期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于ESVM的科技政策文本标签分类研究 被引量:1
1
作者 吴峰 李银生 +3 位作者 聂永川 范通让 赵文彬 张博 《河北省科学院学报》 CAS 2018年第1期1-10,共10页
文本标签作为一种文本关键词,能够简化科技政策中有效信息的挖掘。本文从科技政策类别角度,将标签类别分为科技投入、知识产权、农村科技和税收四类,针对传统SVM算法的缺点和标签数据不平衡的缺点,结合欧式距离思想,提出一种带有惩罚因... 文本标签作为一种文本关键词,能够简化科技政策中有效信息的挖掘。本文从科技政策类别角度,将标签类别分为科技投入、知识产权、农村科技和税收四类,针对传统SVM算法的缺点和标签数据不平衡的缺点,结合欧式距离思想,提出一种带有惩罚因子的ESVM科技政策文本标签分类方法。最后,对比SVM和ESVM两种分类方法,验证了本文方法在处理科技政策文本标签数据上的有效性。 展开更多
关键词 文本标签分类 科技政策 SVM 不平衡数据
下载PDF
基于图深度学习的金融文本多标签分类算法 被引量:4
2
作者 金雨澄 王清钦 +4 位作者 高剑 苗仲辰 林越峰 项雅丽 熊贇 《计算机工程》 CAS CSCD 北大核心 2022年第4期16-21,共6页
金融文本多标签分类算法可以根据用户需求在海量金融资讯中实现信息检索。为进一步提升金融文本标签识别能力,建模金融文本多标签分类中标签之间的相关性,提出基于图深度学习的金融文本多标签分类算法。图深度学习通过深度网络学习局部... 金融文本多标签分类算法可以根据用户需求在海量金融资讯中实现信息检索。为进一步提升金融文本标签识别能力,建模金融文本多标签分类中标签之间的相关性,提出基于图深度学习的金融文本多标签分类算法。图深度学习通过深度网络学习局部和全局的图结构特征,可以刻画节点之间的复杂关系。通过建模标签关联实现标签之间的知识迁移,是构造具有强泛化能力算法的关键。所提算法结合标签之间的关联信息,采用基于双向门控循环网络和标签注意力机制得到的新闻文本对应不同标签的特征表示,通过图神经网络学习标签之间的复杂依赖关系。在真实数据集上的实验结果表明,显式建模标签之间的相关性能够极大地增强模型的泛化能力,在尾部标签上的性能提升尤其显著,相比CAML、BIGRU-LWAN和ZACNN算法,该算法在所有标签和尾部标签的宏观F1值上最高提升3.1%和6.9%。 展开更多
关键词 文本标签分类 深度学习 图神经网络 注意力网络 金融文本
下载PDF
聚类感知的文本多标签分类模型 被引量:2
3
作者 赵金榜 秦绍伟 武浩 《云南大学学报(自然科学版)》 CAS CSCD 北大核心 2022年第5期902-911,共10页
文本是人类社会中使用最广泛的信息载体,对其进行准确的分类具有很重要的现实意义.现有方法在文本多标签分类的问题上已经取得了一定的效果,但仍存在对文档和标签线索利用不充分的问题.从文本多义性的角度出发,提出了一种聚类感知的文... 文本是人类社会中使用最广泛的信息载体,对其进行准确的分类具有很重要的现实意义.现有方法在文本多标签分类的问题上已经取得了一定的效果,但仍存在对文档和标签线索利用不充分的问题.从文本多义性的角度出发,提出了一种聚类感知的文本多标签分类模型.首先利用深度模型得到文本的原始特征,然后使用多个簇心向量结合注意力机制提取不同语境下的文本特征,最后将这些特征融合增强后与标签的嵌入表示做点积进行分类.在4个数据集下的实验结果表明,该方法在多个评价指标上的表现均取得显著提升. 展开更多
关键词 文本标签分类 聚类感知学习 文本多义性
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部