针对传统深度学习模型特征提取能力不强，静态词向量语义表征能力弱等问题，提出了结合MacBERT和多尺度融合网络的档案数据分类模型。预训练模型MacBERT通过结合词的上下文语境，学习到动态词向量表示，解决一词多义问题；利用多尺度融合网络充分提取档案文本局部特征和上下文语义关联；根据软注意力机制计算每个特征对分类结果的影响权重，由分类层输出结果。在真实档案数据集进行实验，结果表明，结合MacBERT和多尺度融合网络的模型准确率达到90.5%，高于实验对比模型，具有一定的应用价值。
科研之友
微信
新浪微博
Facebook
分享链接
