融合self_attention的词级交互文本分类模型研究

摘要：

当今是个数据化的时代,人们所接触到的信息是呈爆炸式增长的.而文本是最常见以及最常用的信息载体,它不仅分布广泛而且能够容纳的数据量是非常庞大的.在已有的分类模型中,与传统的文本分类模型相比较,深度神经网络模型在文本分类中取得了不错的效果.深度神经网络模型尽管意义很重大,但是却没有考虑到细粒度(单词和类之间的匹配信号)分类线索,因为它们的分类主要依赖于文本级表示.因此,论文采用一种融合self_attention的词级交互文本分类模型,将词级交互匹配数合并到文本分类中.结果表明该分类模型有效地提高了分类的准确性.

关键词：深度神经网络、文本分类、self_attention、词级交互、细粒度

所属期刊栏目：50

分类号：TP389(计算技术、计算机技术)

在线出版日期：2022-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1766-1770