科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]通过构建儿童读物层级多标签分类模型，实现对儿童读物的自动化分类，用以引导儿童读者选择适合自身发展情况的读物。[方法]将分级阅读的理念具化成儿童读物层级分类标签体系，采用深度学习技术构建了ERNIE-HAM层级多标签分类模型，并将其应用于儿童读物的层级多标签文本分类实践。[结果]通过对比四种预训练模型，ERNIE-HAM模型在儿童读物层级分类的第二层、第三层分类中具有较好的表现；对比单层级算法，层级算法在第二和第三层的AU（PRC）都提升了11%左右；对比HFT-CNN和HMCN两个层级多标签分类模型，ERNIE-HAM模型在第三层的分类结果中分别提升了12.79%和6.48%。[局限] ERNIE-HAM模型的整体分类效果还可进一步提升，未来在数据集的体量扩充和算法设计上需要进一步完善和探索。[结论]通过三组对比实验验证了本研究提出的ERNIE-HAM模型在儿童读物层级多标签分类任务上的有效性。
- 单位
