多标签文本分类融合CNN-SAM与GAT的多标签文本分类模型

Posted 征途黯然.

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了多标签文本分类融合CNN-SAM与GAT的多标签文本分类模型相关的知识,希望对你有一定的参考价值。

·阅读摘要:
  在本文中,作者基于CNN、Attention、GAT提出CS-GAT模型,在一些通用数据集上,表现良好。
·参考文献:
  [1] 融合CNN-SAM与GAT的多标签文本分类模型

  本篇论文写的比较好,在介绍模型的时候,条理清晰。有借鉴意义。

【注一】:个人觉得本文是标准的“模型缝合”的产出,眼下这种出论文的方式还是很香的。

[1] 参考论文信息

  论文名称:《融合CNN-SAM与GAT的多标签文本分类模型》

  发布期刊:《计算机工程与应用》

  期刊信息:CSCD扩展

[2] 模型

  模型图如下:

   文本与标签词嵌入层: 使用了glove的预训练词向量,对文本数据和标签都是使用glove来转化词向量的。

   BiLSTM层: 双向LSTM,用的很多了。

   融合局部与全局的文本特征提取层: 这里想要对BiLSTM层的输出 H H H提取局部信息和全局信息。

  · 对于局部信息,采用多卷积核大小的CNN+最大Pooling来提取。

  · 对于全局信息,采用注意力机制提取。

  · 最后,把提取出来的局部信息和全局信息拼接即可。

【注二】:CNN+Pooling、Attention是比较基础的文本分类领域知识。也比较常用这些技术。

   标签图注意力层: 这是GAT模型的内容。为标签编码成图结构。

   标签文本交互层: 把全局标签信息表示与文本上下文语义信息表示做交互注意力计算。

   自适应融合层:标签文本交互层融合局部与全局的文本特征提取层的输出进行融合,然后就可以分类了。

【注三】:GAT模型比较抽象,论文地址:https://arxiv.org/pdf/1710.10903.pdf

以上是关于多标签文本分类融合CNN-SAM与GAT的多标签文本分类模型的主要内容,如果未能解决你的问题,请参考以下文章

多标签文本分类《融合注意力与CorNet的多标签文本分类》

多标签文本分类《基于标签语义注意力的多标签文本分类》

多标签文本分类《基于标签语义注意力的多标签文本分类》

使用 TensorFlow 的多标签文本分类

为啥我的多标签文本分类 LSTM 表现不佳?

涉及数字范围作为标签的多标签分类