基于关系挖掘和对抗训练的多标签文本分类OACSTPCD
Multi-label Text Classification Based on Relationship Mining and Adversarial Training
传统的多标签文本分类方法存在忽略标签语义、没有充分利用文本与标签以及标签与标签之间的关系等问题.为了解决以上问题,论文提出了一种基于关系挖掘和对抗训练的多标签文本分类模型.该模型利用了BERT模型和图注意力网络(GAT)分别提取文本的语义信息和挖掘标签之间的关系.首先,通过BERT模型对文本进行编码,以获取文本的语义信息.然后,使用图注意力网络(GAT)来挖掘标签之间的关系,以更好地理解标签之间的依赖关系.为了进一步挖掘文本与可学习的标签嵌入之间…查看全部>>
Traditional multi-label text classification methods ignore the label semantics and do not fully exploit the relation-ship between text and label as well as between label and label.In this paper,a multi-label text classification model is proposed based on relationship mining and adversarial training to solve the above problems.The BERT model and Graph Attention Network(GAT)are used to extract the semantic information of the text and mine the relationship betw…查看全部>>
杨冬菊;程伟飞
北方工业大学信息学院 北京 100144||大规模流数据集成与分析技术北京市重点实验室(北方工业大学) 北京 100144北方工业大学信息学院 北京 100144||大规模流数据集成与分析技术北京市重点实验室(北方工业大学) 北京 100144
计算机与自动化
BERT注意力机制R-drop图注意网络归一化
BERTattention mechanismR-dropgraph attention networknormalization
《计算机与数字工程》 2024 (1)
18-22,42,6
国家自然科学基金重点项目(编号:61832004)广州市科技计划项目-重点研发计划(编号:202206030009)资助.
评论