首页|基于深度学习的招聘信息文本分类研究

基于深度学习的招聘信息文本分类研究

Job Posting Classification Research Based on Deep Learning

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
运用深度学习方法实现招聘信息的自动分类,构造了Word2Vec-TextCNN、Word2Vec-TextLSTM、BERT-TextCNN、BERT-TextLSTM模型及基于CNN、BiLSTM和多层感知机的BERT-CBM混合模型.讨论了Word2Vec和BERT(Bidirectional Encoder Representations from Transformers)两种词嵌入技术,以及卷积神经网络CNN(Convolutional Neural Network)和长短期记忆单元LSTM(Long Short-Term Memory)的应用:利用词嵌入技术对招聘信息文本向量化,由CNN或LSTM进一步提取文本特征,经由全连接层完成非线性映射,采用Softmax分类器输出分类结果.实验表明:基于BERT的深度学习模型在职业文本分类任务上具有较好性能,且BERT-CBM表现较优.本研究旨在为招聘信息文本分类提供新的解决方案,讨论BERT-CBM混合模型在文本分类中的关键作用.

deep learningtext classificationconvolutional neural networkLong Short-Term Memoryword vectorization

任济洲

展开 >

澳大利亚国立大学 计算机与控制学院,堪培拉 ACT2601

深度学习 文本分类 卷积神经网络 长短期记忆单元 词向量

2023

湖北文理学院学报
湖北文理学院

湖北文理学院学报

CHSSCD
影响因子：0.164
ISSN：2095-4476
年,卷(期)：2023.44(11)
  • 1
  • 6