-
公开(公告)号：CN116401361A
公开(公告)日：2023-07-07
申请号：CN202310038679.2
申请日：2023-01-13
Applicant: 东北大学
IPC: G06F16/35 , G06N3/042 , G06N3/0455 , G06N3/0895
Abstract: 本发明提供一种基于自监督双粒度多图学习的文本分类方法，涉及文本分类技术领域。该方法首先获得原始文本数据集与对应的标签集，并对原始文本数据集进行数据预处理，得到多图数据集；再利用增强编码器对图数据进行增强，并使用图编码器学习增强后的图表示；然后将多头自注意力机制作用于图表示，学习图包中各个图之间的上下文信息，生成包级图，并利用包编码器通过包级图学习包表示；再通过图‑图的学习机制同时学习图表示和包表示，并设计包级对比损失和图级对比损失作为损失函数，自监督地学习包表示和图表示；最后对待分类的文本分类任务利用学习到的包表示和图表示，在粗粒度和细粒度上对待分类的文本同时进行标签预测，实现文本分类。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
