典型文献
基于元学习的不平衡少样本情况下的文本分类研究
文献摘要：
针对文本信息语义、语境迁移难问题,该文提出一种基于元学习与注意力机制模型的动态卷积神经网络改进方法.首先利用文本的底层分布特征进行跨类别分类,使文本信息具有更好的迁移性;其次使用注意力机制对传统的卷积网络进行改进,以提高网络的特征提取能力,并根据原始数据集信息进行编码,生成平衡变量,降低由于数据不平衡所带来的影响;最后使用双层优化的方法使模型 自动优化其网络参数.在通用文本分类数据集THUCNews实验结果表明,该文所提出的方法,在1-shot、5-shot情况下,准确率分别提升2.27％、3.26％;在IMDb数据集上,模型准确率分别提升3.28％、3.01％.
文献关键词：
元学习;少样本学习;文本分类;动态卷积;数据不平衡
中图分类号：
作者姓名：
熊伟;宫禹
作者机构：
华北电力大学(保定)计算机系,河北保定071000;华北电力大学(保定)复杂能源系统智能计算教育部工程研究中心,河北保定071000
文献出处：
引用格式：
[1]熊伟;宫禹-.基于元学习的不平衡少样本情况下的文本分类研究)[J].中文信息学报,2022(01):104-116
A类：
B类：
元学习,文本分类,分类研究,文本信息,注意力机制模型,动态卷积神经网络,改进方法,迁移性,卷积网络,特征提取能力,原始数据,成平,数据不平衡,双层优化,自动优化,网络参数,分类数据,THUCNews,shot,IMDb,模型准确率,少样本学习
AB值：
0.40716
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
