|
|||||
|
|
| 基于深度学习的教材德目教育文本分类方法 | |
| 作者姓名： | 陈浩淼 陈军华 |
| 作者单位： | 上海师范大学 信息与机电工程学院,上海 201418 |
| 基金项目： | 国家社会科学基金（13JZD046） |
| 摘 要： | 对上海中小学教材德目教育文本分类进行研究,提出了基于转换器的双向编码表征(BERT)预训练模型、双向长短期记忆(BiLSTM)网络和注意力机制的模型IoMET_BBA.通过合成少数类过采样技术(SMOTE)与探索性数据分析(EDA)技术进行数据增强,使用BERT模型生成富含语境信息的语义向量,通过BiLSTM提取特征,并结合注意力机制来获得词语权重信息,通过全连接层进行分类.对比实验的结果表明,IoMET_BBA的F1度量值达到了86.14%,优于其他模型,可以精确地评估教材德目教育文本. |
| 关 键 词： | 德目指标 中文文本分类 基于转换器的双向编码表征(BERT)模型 双向长短期记忆(BiLSTM)网络 注意力机制 |
| 收稿时间： | 2023-12-23 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《上海师范大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《上海师范大学学报(自然科学版)》下载全文 | |