科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的多标签文本分类算法往往只关注文本本身的信息，在挖掘标签间的关联信息过程中存在不足，很大程度上影响了模型的分类性能。为了充分利用标签信息捕获标签之间的依赖关系，提出一种融合注意力与CorNet的多标签文本分类算法。该算法针对文本内容编码部分，使用双向长短时记忆网络获得文本语义表示，通过多标签注意力机制捕获文本中的重要单词；同时，针对标签编码部分，利用图注意力网络捕获标签间的依赖关系，设计“文本-标签”注意力机制将其与文本上下文语义信息进行交互，获得基于标签语义信息的文本特征表示；最后，使用自适应融合机制将上述两部分融合，并通过CorNet模块学习标签相关性以增强标签预测。在AAPD、RCV1-V2和Reuters-21578数据集上的实验结果表明，所提出的算法能够有效捕获标签之间的依赖关系，其性能优于当前主流的多标签文本分类算法。
- 单位
