首页|融合self_attention的词级交互文本分类模型研究

融合self_attention的词级交互文本分类模型研究

扫码查看
原文链接
  • 万方数据
当今是个数据化的时代,人们所接触到的信息是呈爆炸式增长的.而文本是最常见以及最常用的信息载体,它不仅分布广泛而且能够容纳的数据量是非常庞大的.在已有的分类模型中,与传统的文本分类模型相比较,深度神经网络模型在文本分类中取得了不错的效果.深度神经网络模型尽管意义很重大,但是却没有考虑到细粒度(单词和类之间的匹配信号)分类线索,因为它们的分类主要依赖于文本级表示.因此,论文采用一种融合self_attention的词级交互文本分类模型,将词级交互匹配数合并到文本分类中.结果表明该分类模型有效地提高了分类的准确性.
Research on Word-level Interactive Text Classification Model Based on Self_attention

吴思怡、吴陈

展开 >

江苏科技大学计算机学院 镇江 212100

深度神经网络 文本分类 self_attention 词级交互 细粒度

2022

10.3969/j.issn.1672-9722.2022.08.027

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(8)
  • 2