文献类型：期刊文章

作　　者：蒋彦廷[1] 胡韧奋[1]

Jiang Yanting;Hu Renfen

机构地区：[1]北京师范大学中文信息处理研究所,北京海淀100875

出　　处：《新世纪图书馆》

基　　金：国家社科基金青年项目“面向汉语国际教育的智能测试技术研究”(项目编号:18CYY029)研究成果之一。

年　　份：2020

期　　号：9

起止页码：38-44

语　　种：中文

收录情况：CSSCI、CSSCI_E2019_2020、JST、NSSD、RWSKHX、普通刊

摘　　要：中文图书细粒度多标签分类的自动化,有利于促进图书的检索与学科的沟通。文章充分发挥BERT语言模型的微调特性,提出一种通过21类粗粒度分类微调语言模型,学习到更好的图书表示,进而实现细粒度分类的新策略。结果显示,在单标签的分类任务上,BERT模型的正确率分别较LSTM与Fasttext模型提升约4.9%与2.0%。KNN-ML对257类的细粒度多标签分类证明了前期微调的有效性。最佳情况下,有75.82%的图书细粒度类别恰好全部预测正确,92.10%的图书至少被正确预测了一个细粒度类别。因此可以得出结论,该系统有助于实现图书自动的细粒度归类,并帮助图书标引者补充合理的分类号。

关 键 词：中文图书 BERT模型  深度学习  微调策略  多标签分类  

分 类 号：G254.1[图书情报与档案管理类]