基于深度学习的多标签文本分类的研究与实现

发布时间：2021-08-17 15:09

　　多标签文本分类是自然语言处理的核心研究领域,也是实现某些智能系统的关键技术。检索系统,推荐系统以及对话系统等智能系统中都有多标签文本分类技术的应用。这些复杂的应用中,多标签文本的内容可能是长文本,也可能是短文本,也有可能附带上下文信息;多标签文本的标签可能数目巨大,可能不均衡,也有可能有依赖关系。例如多轮对话系统中的意图分类就是典型的多标签文本分类问题,对话数据的特点包括:短文本、带有上下文信息、不均衡和标签之间存在依赖关系。传统的机器学习方法在处理短文本的语义特征抽取上表现不足,处理带有上下文信息的短文本更是不佳。而深度学习在特征的自动学习和表达中有出色的发挥,且具有很好的建模能力。综合上述问题,本文针对多轮对话系统中的意图分类任务这个典型的多标签文本分类问题,提出了一个基于深度学习的多标签文本分类模型。本文主要的工作包括:1)针对多标签文本分类中上下文信息的抽取,提出利用参数式注意力机制抽取上下文信息。参数式注意力机制既能从上下文中抽取相似信息,又能抽取关联信息。2)针对多标签文本分类中上下文信息的控制,提出利用遗忘门来控制上下文信息。遗忘门通过控制信息的引入,避免了噪声的干扰,使... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：46 页

【学位级别】：硕士

【部分图文】：

基于机器学习的文本分类过程

图 2-2 DAN 模型NNs）也被广泛应用于处理文本分类问题。文献的语料库来验证一个 CNN 架构处理文本分类的出了很好的效果，并且在少数几个语料集中，获

textCNN模型

【参考文献】：
硕士论文
[1]基于长短时记忆网络的多标签文本分类[D]. 熊涛.浙江大学 2017



本文编号：3347996