基于GRW和FastText模型的电信用户投诉文本分类应用

摘要：

随着神经网络的广泛应用,将神经网络应用到自然语言处理文本分类问题中,成为一种有效的解决方法.电信运营商客户服务中心通过多种渠道收集用户投诉信息,为了对投诉文本信息进行自动分类并将其落实到具体责任部门,提升用户感知,提出了一种基于GRW模型和FastText模型的文本分类方法.首先通过GRW模型对投诉文本进行特征选择,提取有效特征词;然后构建基于FastText模型的用户投诉文本分类方法;最后在公开数据集和运营商已标注的投诉文本数据集上进行实验.结果表明,基于GRW和FastText模型的文本分类方法比朴素贝叶斯、双向LSTM和Bert模型在准确率、Kappa系数及汉明损失方面的性能有较大提升.

关键词：神经网络、文本分类、GRW模型、FastText模型

所属期刊栏目：37

分类号：TP391.1(计算技术、计算机技术)

在线出版日期：2021-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：125-131