基于词-标签概率的多标签文本分类研究

作者：赵宏^*; 郑厚泽; 郭岚

来源：兰州理工大学学报, 2023, 49(01): 103-109.

• 多标签文本分类
• 卷积神经网络
• 双向长短期记忆网络
• 标签的隐狄利克雷分布

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题，提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先，通过CNN网络和最大池化提取文本的特征；然后，利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息；接着，使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征；最后，结合提取的文本特征，预测与当前文本相关联的标签集.实验结果表明，使用词-标签概率获取文本中词与标签之间的相关性信息，能够有效提升模型的F1值.

• 出版日期2023
• 单位兰州理工大学