情报探索
• 理论探索 •
沈炜域 刘奇飞
出版日期:
发布日期:
作者简介:
Online:
Published:
摘要: [目的/意义]旨在为用户和管理者的短文本分类管理提供参考。[方法/过程]利用开放知识库完成词粒度的概念化,将CWE预训练得到的词嵌入与实例的概念化表示拼接合成文本表示,并利用相似度的计算预测待标注短文本的类别。[结果/结论]结果表明了在少样本的情况下,该方法分类效果优于实验涉及的其他文本分类模型。
关键词: 少样本学习, 词嵌入, 概念化, 文本分类
沈炜域 刘奇飞. 利用概念化的少样本短文本分类研究[J]. 情报探索.
0 / / 推荐
导出引用管理器 EndNote|Ris|BibTeX
链接本文: http://www.qbts.org/CN/
http://www.qbts.org/CN/Y2018/V1/I12/1