基于多特征融合的ATT-BiLSTM-CNN危化品问句分类
胥心心
朱全银
孙纪舟
王文川
淮阴工学院计算机与软件工程学院 淮安 223001
摘要：针对危化品问句文本较短、语义理解困难以及噪声大特点,提出一种基于多特征融合的ATT-BiLSTM-CNN问句分类模型.针对危化品问句文本特征,构建危化品专业词汇表用于Bert模型训练,利用已训练好的Bert模型处理问句文本可以增强危化品问句文本的语义表达和语义理解.其次,利用双层BiLSTM+注意力机制和卷积神经网络共同提取文本特征,可以更好地提取全局特征和局部特征以及增强关键特征.最后,将提取到的两部分特征融合后作为softmax层的输入,计算分类概率得到问句类别.实验结果表明该模型与传统问句分类算法相比F1值、召回率和准确率分别提升了2.75%～10.58%、2.53%～11.11%、3.38%～10.63%,在危化品领域的问句分类任务中取得了良好的效果.
关键词：危化品问句分类Bert双层BiLSTM注意力机制卷积神经网络
分类号：TP391.1(计算技术、计算机技术)TP183(自动化基础理论)
资助基金：青年科学基金项目(62002131)
论文发表日期：2023-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1738-1744 )
英文信息