文献类型：期刊文章

作　　者：董彦如[1] 刘培玉[1] 刘文锋[1,2] 赵红艳[3]

DONG Yan-ru;LIU Pei-yu;LIU Wen-feng;ZHAO Hong-yan(School of Information Science and Engineering,Shandong Normal University,Jinan 250358,Shandong,China;School of Computer Science,Heze University,Heze 274015,Shandong,China;School of Information Engineering,Shandong Yingcai University,Jinan 250101,Shandong,China)

机构地区：[1]山东师范大学信息科学与工程学院,山东济南250358 [2]菏泽学院计算机学院,山东菏泽274015 [3]山东英才学院信息工程学院,山东济南250101

出　　处：《山东大学学报（理学版）》

基　　金：国家自然科学基金资助项目(61373148);国家自然科学基金青年资助项目(61502151);山东省社科规划项目(17CHLJ18,17CHLJ33,17CHLJ30);山东省自然科学基金资助项(ZR2014FL010);山东省教育厅基金资助项目(J15LN34)。

年　　份：2020

卷　　号：55

期　　号：11

起止页码：78-86

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、IC、JST、MR、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：提出了一种基于双向长短期记忆网络和标签嵌入的文本分类模型。首先利用BERT模型提取句子特征,然后通过BiLSTM和注意力机制得到融合重要上、下文信息的文本表示,最后将标签和词在联合空间学习,利用标签与词之间的兼容性得分对标签和句子表示加权,实现标签信息的双重嵌入,分类器根据给定标签信息对句子进行分类。在5个权威数据集上的实验表明,该方法能有效地提高文本分类性能,具有更好的实用性。

关 键 词：文本分类 文本表示 标签嵌入  

分 类 号：TP311.5]