首页> 中文期刊> 《自动化与仪器仪表》 >基于改进卷积神经网络的多标签文本自动化分类研究

基于改进卷积神经网络的多标签文本自动化分类研究

         

摘要

为实现多标签文本自动分类,有效管理与检索文本信息,为后续的数据挖掘作好准备,提出基于改进卷积神经网络的多标签文本自动化分类方法。在卷积神经网络卷积层前、后分别加入注意力机制,使网络的注意力集中在多标签文本重要特征上,达到改进卷积神经网络的目的,利用改进后的网络提取多标签文本的文本特征;通过附加类别标签的LDA模型获得词-标签概率数据,将其输入至双向长短期记忆网络模型中,得到多标签文本各个标签间的相关性,并结合改进卷积神经网络提取多标签文本词-标签特征;将两种特征实施拼接操作后,输入至训练好的全连接神经网络中,完成多标签文本的分类与输出。实验证明:该方法可以有效实现多标签文本自动化分类,应用的网络模型较为合理,面对不同语言的多标签文本也能够较好地完成自动化分类。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号