| 基于循环卷积多任务学习的多领域文本分类方法 |
| |
| 引用本文： | 谢金宝,李嘉辉,康守强,王庆岩,王玉静.基于循环卷积多任务学习的多领域文本分类方法[J].电子与信息学报,2022,43(8):2395-2403. |
| |
| 作者姓名： | 谢金宝 李嘉辉 康守强 王庆岩 王玉静 |
| |
| 作者单位： | 广东科学技术职业学院机器人学院 珠海 519090;哈尔滨理工大学电气与电子工程学院 哈尔滨 150000 |
| |
| 摘 要： | 文本分类任务中,不同领域的文本很多表达相似,具有相关性的特点,可以解决有标签训练数据不足的问题.采用多任务学习的方法联合学习能够将不同领域的文本利用起来,提升模型的训练准确率和速度.该文提出循环卷积多任务学习(MTL-RC)模型用于文本多分类,将多个任务的文本共同建模,分别利用多任务学习、循环神经网络(RNN)和卷积神经网络(CNN)模型的优势获取多领域文本间的相关性、文本长期依赖关系、提取文本的局部特征.基于多领域文本分类数据集进行丰富的实验,该文提出的循环卷积多任务学习模型(MTL-LC)不同领域的文本分类平均准确率达到90.1％,比单任务学习模型循环卷积单任务学习模型(STL-LC)提升了6.5％,与当前热门的多任务学习模型完全共享多任务学习模型(FS-MTL)、对抗多任务学习模型(ASP-MTL)、间接交流多任务学习框架(IC-MTL)相比分别提升了5.4％,?4％和2.8％.
|
| 关 键 词： | 多领域文本分类 多任务学习 循环神经网络 卷积神经网络 |
A Multi-domain Text Classification Method Based on Recurrent Convolution Multi-task Learning |
| |
| XIE Jinbao,LI Jiahui,KANG Shouqiang,WANG Qingyan,WANG Yujing.A Multi-domain Text Classification Method Based on Recurrent Convolution Multi-task Learning[J].Journal of Electronics & Information Technology,2022,43(8):2395-2403. |
| |
| Authors: | XIE Jinbao LI Jiahui KANG Shouqiang WANG Qingyan WANG Yujing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
