典型文献
基于BERT-MLDFA的内容相近类目自动分类研究——以《中图法》E271和E712.51为例
文献摘要：
针对《中图法》中具有关联度大、区分度小等特点的内容相近类目,探讨利用深度学习来提升分类效果的方法.本文构建BERT-MLDFA模型,即通过多层级注意力机制对BERT不同层参数进行动态融合,并在任务数据集上预训练,进而以《中图法》中E271和E712.51作为典型内容相近类目进行自动分类实验.结果表明:本文方法的Macro_F1值达到0.987,相较于经典机器学习方法提升2.4％,而且该方法可以捕捉内容相近类目文本之间的细微语义差别,能够较好地应用于《中图法》以及其他内容相近类目分类,具有较强普适性.
文献关键词：
《中图法》;深度学习;BERT;自动分类
中图分类号：
作者姓名：
李湘东;石健;孙倩茹;贺超城
作者机构：
武汉大学信息管理学院,武汉 430072;武汉大学电子商务研究与发展中心,武汉 430072
文献出处：
引用格式：
[1]李湘东;石健;孙倩茹;贺超城-.基于BERT-MLDFA的内容相近类目自动分类研究——以《中图法》E271和E712.51为例)[J].数字图书馆论坛,2022(02):18-25
A类：
MLDFA,E271,E712
B类：
BERT,类目,自动分类,分类研究,中图法,区分度,分类效果,多层级,层级注意力,注意力机制,动态融合,预训练,Macro,机器学习方法,细微
AB值：
0.227697
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。
