手机知网 App
24小时专家级知识服务
打 开
计算机软件及计算机应用
融合关联信息的GCN文本分类模型构建及其应用研究
【目的】有效学习文本上下文语境和词语间的关联性,提升文本自动分类的性能。【方法】提出一种融合关联信息的BERT-BiLSTM-SGCN(Similarity-GCN)长文本分类模型。首先,利用BERT得到待分类长文本的词向量初始特征,将其输入BiLSTM模型中捕获语义关系,并将其输出作为图卷积网络的节点表示,其中每个节点代表每个词特征;然后,使用词之间的相似值作为图卷积网络中的节点之间的边表示,并将结合得到的节点表示以构造图结构作为SGCN层表示;最后,将利用SGCN层得到的长文本表示输出至全连接层中得到最终的分类结果。【结果】实验结果表明,针对知网中文文献主题多分类问题,模型分类准确率达到了0.834 09,均优于基准模型。【局限】将文本数据处理成单标签进行多分类,未考虑到多标签的分类问题。【结论】所提模型能够有效地对长文本数据进行建模,将BERT、BiLSTM和SGCN模型相结合,可以大大提高模型的分类性能。
0 417
手机阅读本文
下载APP 手机查看本文
数据分析与知识发现
2021年09期
相似文献
图书推荐
相关工具书

搜 索