基于MacBERT-BiLSTM和注意力机制的短文本分类研究 |
| |
引用本文: | 王道康,张吴波.基于MacBERT-BiLSTM和注意力机制的短文本分类研究[J].现代电子技术,2023(21):123-128. |
| |
作者姓名: | 王道康 张吴波 |
| |
作者单位: | 湖北汽车工业学院电气与信息工程学院 |
| |
摘 要: | 针对中文短文本上下文依赖性强,特征信息难以提取的问题,提出一种融合MacBERT、双向长短期记忆神经网络(BiLSTM)、注意力(Attention)机制的短文本分类模型方法。利用预训练模型MacBERT得到动态词向量,输入BiLSTM模型中提取上下文关系特征。结合注意力机制分配不同的权重值,最后使用Softmax分类器得到分类结果。研究表明,该模型在THUCNews数据集上F1值达到了95.63%,相较于基准模型BERT提高了2.18%,验证了其在短文本分类任务中的可行性和有效性。
|
关 键 词: | 短文本 文本分类 MacBERT BiLSTM Attention 纠错掩码 特征加权 语义向量 |
|
|