用于多标签文本分类的深度模块化标签注意网络 |
| |
引用本文: | 田小瑜,秦永彬,黄瑞章,陈艳平.用于多标签文本分类的深度模块化标签注意网络[J].山西大学学报(自然科学版),2023(3):500-508. |
| |
作者姓名: | 田小瑜 秦永彬 黄瑞章 陈艳平 |
| |
作者单位: | 1. 贵州大学公共大数据国家重点实验室;2. 贵州大学计算机科学与技术学院 |
| |
基金项目: | 国家自然科学基金(62066008); |
| |
摘 要: | 针对现有文本多标签语义信息挖掘方法仅注重从文本到标签的映射方向,而忽略了从标签到文本的映射方向的问题,本文认为从标签到文本的映射方向可以过滤文本中与标签无关的噪声信息,进而生成只关注于标签信息的文本表示。基于此假设,本文基于注意力机制提出了一种深度模块化标签注意网络,主要由标签注意网络进行多层级联而成。在标签注意网络中构建了双向标签注意单元和自我注意单元,从而得到标签和文本的双向依赖表示。模型在公开数据集RCV1、AAPD、EUR-Lex上与SGM、LSAN、EXAM等算法进行比较,对于现有的最佳性能平均提升0.54%。
|
关 键 词: | 标签语义表示 标签注意网络 双向标签注意单元 自我注意单元 特定于标签的文本表示 |
|
|