融合多粒度特征和标签语义共现的多标签分类

作者：宋宇婷; 余本功^*

来源：科学技术与工程, 2023, 23(16): 6959-6966.

DOI：10.3969/j.issn.1671-1815.2023.16.029

• 多标签文本分类
• 深度学习
• 图卷积神经网络
• 多粒度特征
• 标签共现

为了从文本中可以更加准确地分析其蕴含的内容，给人们的生产生活提供建议，在基于深度学习的传统多标签分类方法的基础上，提出一种融合多粒度特征和标签语义共现的多标签分类模型。该模型利用双向长短时记忆网络双向长短时记忆网络(bidirectional long short-term memory network, Bi-LSTM)提取多粒度的文本特征，获得不同层次的文本特征；并通过计算pmi的方式构建标签关系图，利用图卷积网络(graph convolution network, GCN)深入提取标签的隐藏关系，获得具有标签信息的文本表示；最终融合多粒度文本特征，进行多标签文本分类。在AAPD和news数据集上进行实验。结果表明：所提出模型的Micro-F1值分别达到0.704和0.729,验证了模型的有效性。

• 单位
  合肥工业大学