基于深度学习的自然资源政策文本分类研究

摘要：

政策文本分类是一项涉及自然语言处理(NLP)、机器学习、政策解析等多领域的综合性技术,在政策管理、研究以及信息服务等方面有重要应用.首先,针对目前政策文本领域公共资源较少的问题,提出结合领域知识和NLP构建政策文本分类数据集的半自动化方法,构建了句子级自然资源政策文本分类数据集;其次,挖掘政策文本自身特点,提出基于深度学习的标题信息自适应增强政策文本分类方法,并在现有主流深度学习模型上进行扩展应用;最后,在自然资源政策文本分类数据集上的实验表明,应用该方法后,5个常用深度学习分类模型的准确率获得了 3％以上提升,宏平均F1值获得了 5％以上提升.

关键词：政策文本、文本分类、深度学习、自然资源、延迟决策、数据集构建

所属期刊栏目：33

分类号：TP391;G434;G25

资助基金：北京科技攻关;河北省重点研发计划资助项目

在线出版日期：2023-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：692-703