基于SFM-DCNN的层次特征文本分类研究

作者：余本功; 王胡燕

来源：情报科学, 2020, 1-8.

• 文本分类
• 句向量
• 层次特征抽取
• 多通道
• SFM-DCNN text classification
• sentence vector ensemble learning
• hierarchical feature extraction
• multi-channel training
• SFM-DCNN

【目的/意义】对互联网产生的大量文本数据进行有效分类，提高文本处理效率，为企业用户决策提供建议。【方法/过程】针对传统的词向量特征嵌入无法获取一词多义,特征稀疏、特征提取困难等问题，本文提出了一种基于句子特征的多通道层次特征文本分类模型（SFM-DCNN）。首先，该模型通过Bert句向量建模，将特征嵌入从传统的词特征嵌入升级为句特征嵌入，有效获取一词多义、词语位置及词间联系等语义特征。其次，通过构建多通道深度卷积模型，将句特征从多层级来获取隐藏特征，获取更接近原语义的特征。【结果/结论】采用三种不同的数据对模型进行验证分析，采用对比相关的分类方法，SFM-DCNN模型准确率较其他模型分类性能有...

• 出版日期2020-8-27
• 单位合肥工业大学