| 融合主题模型和动态路由的小样本学习方法 |
| |
| 引用本文： | 张淑芳,唐焕玲,郑涵,刘孝炎,窦全胜,鲁明羽.融合主题模型和动态路由的小样本学习方法[J].数据采集与处理,2022,37(3):586-596. |
| |
| 作者姓名： | 张淑芳 唐焕玲 郑涵 刘孝炎 窦全胜 鲁明羽 |
| |
| 作者单位： | 山东工商学院计算机科学与技术学院,烟台 264005,山东工商学院计算机科学与技术学院,烟台 264005;山东省高等学校协同创新中心:未来智能计算,烟台 264005;山东省高校智能信息处理重点实验室(山东工商学院),烟台 264005,山东工商学院信息与电子工程学院,烟台 264005,大连海事大学信息科学技术学院,大连 116026 |
| |
| 基金项目： | 国家自然科学基金(61976124, 61976125, 61773244, 61772319)。 |
| |
| 摘 要： | 针对小样本学习标注训练样本过少，导致特征表达力弱的问题，本文结合有监督主题模型（Supervised LDA， SLDA）和动态路由算法提出一种新的动态路由原型网络模型（Dynamic routing prototypical network based on SLDA， DRP-SLDA）。利用SLDA主题模型建立词汇与类别之间的语义映射，增强词的类别分布特征，从词粒度角度编码获得样本的语义表示。提出动态路由原型网络（Dynamic routing prototypical network，DR-Proto），通过提取交叉特征利用样本之间的语义关系，采用动态路由算法迭代生成具有类别代表性的动态原型，旨在解决特征表达问题。实验结果表明，DRP-SLDA模型能有效提取词的类别分布特征，且获取动态原型提高类别辨识力，从而能够有效提升小样本文本分类的泛化性能。
|
| 关 键 词： | 小样本学习 元学习 原型网络 有监督主题模型 文本分类 |
| 收稿时间： | 2021/10/20 0:00:00 |
| 修稿时间： | 2021/12/19 0:00:00 |
Few-Shot Learning Method Based on Topic Model and Dynamic Routing Algorithm |
| |
| ZHANG Shufang,TANG Huanling,ZHENG Han,LIU Xiaoyan,DOU Quansheng,LU Mingyu.Few-Shot Learning Method Based on Topic Model and Dynamic Routing Algorithm[J].Journal of Data Acquisition & Processing,2022,37(3):586-596. |
| |
| Authors: | ZHANG Shufang TANG Huanling ZHENG Han LIU Xiaoyan DOU Quansheng LU Mingyu |
| |
| Affiliation: | 1.College of Computer Science and Technology, Shandong Technology and Business University, Yantai 264005,China;2.College of Information and Electronic Engineering, Shandong Technology and Business University, Yantai 264005,China;3.Co-innovation Center of Shandong Colleges and Universities:Future Intelligent Computing, Yantai 264005, China;4.Key Laboratory of Intelligent Information Processing in Universities of Shandong(Shandong Technology and Business University), Yantai 264005, China;5.Information Science and Technology College, Dalian Maritime University, Dalian 116026, China |
| |
| Abstract: | |
| |
| Keywords: | few-shot learning meta-learning prototypical networks supervised LDA text categorization |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
