基于改进卷积神经网络的多标签文本自动化分类研究

作者：刘影; 余进^*; 陈莉

来源：自动化与仪器仪表, 2023, (11): 62-66.

DOI：10.14016/j.cnki.1001-9227.2023.11.062

• 卷积神经网络
• 多标签文本
• 文本特征
• 自动分类
• 注意力机制
• 词-标签特征

为实现多标签文本自动分类，有效管理与检索文本信息，为后续的数据挖掘作好准备，提出基于改进卷积神经网络的多标签文本自动化分类方法。在卷积神经网络卷积层前、后分别加入注意力机制，使网络的注意力集中在多标签文本重要特征上，达到改进卷积神经网络的目的，利用改进后的网络提取多标签文本的文本特征；通过附加类别标签的LDA模型获得词-标签概率数据，将其输入至双向长短期记忆网络模型中，得到多标签文本各个标签间的相关性，并结合改进卷积神经网络提取多标签文本词-标签特征；将两种特征实施拼接操作后，输入至训练好的全连接神经网络中，完成多标签文本的分类与输出。实验证明：该方法可以有效实现多标签文本自动化分类，应用的网络模型较为合理，面对不同语言的多标签文本也能够较好地完成自动化分类。