科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对单一模型用于文本分类存在的模型体量大，难以适用于舆情信息文本的多元化非规范的表达等问题，提出基于Bagging训练思想的、动态微调和二次加权的模型集成算法（Bagging-DyFAS）。首先，使用自助采样构建的数据集训练弱分类器，使该分类器具有一定的先验知识；其次，依据该分类器在开发集的表现，进行一次动态加权和一次静态加权，并使用得到的一系列权重将模型泛化到无标注的数据上，进一步提升模型在文本分类任务的性能。在所构建的数据集上的实验结果表明，在训练一轮的情况下，相较于基线模型MiniBRT、BRT3和LERT(Linguisticallymotivated bidirectional Encoder Representation from Transformer)，所提算法的准确率、精确率、召回率和F1值分别至少提升3.6、3.8、1.3和3.2个百分点，实验结果验证了所提算法的有效性。
- 单位
