针对目前多标签文本分类算法不能有效利用文本深层信息的缺陷，提出一种利用ALBERT模型进行文本深层信息的特征提取，使用双向LSTM网络进行特征训练，并结合注意力机制强化分类效果，完成分类的模型——ABAT模型。在百度发布的Du EE1.0数据集上进行实验，相对于各对比模型，该模型的各项性能均达到最优，Micro-Precision达到0.9625,Micro-F1达到0.9033，同时模型汉明损失下降到0.0023。实验结果表明，改进的ABAT模型能较好地完成多标签文本分类的任务。
科研之友
微信
新浪微博
Facebook
分享链接
