胶囊神经网络在期刊文本分类中的应用

摘要：

通过引入BERT(Bidirectional Encoder Representation from Transformers)词向量和胶囊神经网络架构,建立期刊文本自动分类模型.选取三个不同规模的Web of Science数据集,以期刊领域的文本分类作为研究任务.在分析文本的基础上,对论文摘要进行多种深度学习算法训练.利用向量化的胶囊神经元和动态路由机制获取文本的局部-整体关系,最终实现更加精准的文本分类模型.实验结果表明,在该数据集上,基于胶囊神经网络的文本分类器的准确率、精准率、召回率和F1值等多项指标均领先于其他基线算法,同时动态路由的迭代次数需要综合考虑模型的损失与训练速度.

关键词：期刊自动分类;文本分类;深度学习;胶囊神经网络

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：福建省中青年教师教育科研项目;装备预先研究领域基金快速扶持项目第一阶段

在线出版日期：2021-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：750-756