典型文献
融合RoBERTa和特征提取的政务热线工单分类
文献摘要：
政务热线承接了海量市民诉求,人工对工单分类耗时费力.现有工单分类方法大多基于机器学习或单一神经网络模型,难以有效理解上下文语义信息,且文本特征提取不全面.针对这一问题,本文提出一种融合RoBERTa和特征提取的政务热线工单分类方法.该方法首先通过基于RoBERTa预训练语言模型的语义编码层获取政务热线工单文本中的语义表征向量,然后通过由CNN-BiGRU-Self-Attention定义的特征提取层获取工单文本的局部特征和全局特征,并对全局特征进行处理以凸显重要性高的语义特征,最后将融合后的特征向量输入分类器来完成工单分类.实验结果表明,相较于其他基线分类方法,本文提出的方法能够取得更好的工单分类效果.
文献关键词：
政务热线;工单分类;RoBERTa;语义编码;特征提取
中图分类号：
作者姓名：
陈钢
作者机构：
长三角信息智能创新研究院,安徽芜湖241000
文献出处：
引用格式：
[1]陈钢-.融合RoBERTa和特征提取的政务热线工单分类)[J].计算机与现代化,2022(06):21-26,31
A类：
B类：
RoBERTa,政务热线,工单分类,承接,民诉,费力,分类方法,基于机器学习,上下文语义,语义信息,文本特征提取,预训练语言模型,语义编码,编码层,语义表征,BiGRU,Self,Attention,局部特征,全局特征,语义特征,特征向量,分类器,分类效果
AB值：
0.257878
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
