一种基于高层特征融合的网络商品分类

作者：刘逸琛; 孙华志; 马春梅^*; 姜丽芬; 钟长鸿

来源：北京邮电大学学报, 2020, 43(05): 98-117.

DOI：10.13190/j.jbupt.2020-033

• 商品分类
• 短文本分类
• 特征融合
• 特征增强
• 注意力机制

为了利用商品文本标题实现商品自动分类,提出一种基于高层特征融合的商品分类模型.首先,提出基于字嵌入和词嵌入的文本底层特征表示法,进而获得更强的商品标题结构特征表达;其次,提出了联合自注意力、卷积神经网络和通道注意力的机制,对文本标题的底层特征进行增强并获得高层增强特征;最后,通过将文本的字嵌入和词嵌入的高层增强特征进行融合,最终获得商品文本标题的综合特征,并实现商品自动分类.以商品标题语料作为数据集进行了实验,实验结果表明,该模型对三级商品类别的分类精度能够达到84.348%,召回率和F1值分别达到了47.8%和49.4%,优于现有可用于商品文本标题分类的先进短文本分类方法.

• 单位
  天津师范大学