首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于深度学习的教材德目教育文本分类方法
引用本文:陈浩淼,陈军华.基于深度学习的教材德目教育文本分类方法[J].上海师范大学学报(自然科学版),2024,53(2):172-180.
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 0:00:00

Text classification method for textbook moral education based on deep learning
CHEN Haomiao,CHEN Junhua.Text classification method for textbook moral education based on deep learning[J].Journal of Shanghai Normal University(Natural Sciences),2024,53(2):172-180.
Authors:CHEN Haomiao  CHEN Junhua
Institution:College of Information, Mechanical and Electrical Engineering, Shanghai Normal University, Shanghai 201418, China
Abstract:
Keywords:moral education index  chinese text classification  bidirectional encoder representations from transformer(BERT) model  bidirectional long short-term memory (BiLSTM) network  attention mechanism
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)》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号