典型文献
基于TextCNN的政策文本分类
文献摘要：
多标签文本分类现在已经成为自然语言处理中的核心任务之一,它的目的是从多个候选标签中使用最相关的标签来注释文档.该文的研究是在文本分类的基础上,以TextCNN神经网络作为基础分类框架,介绍了在自建数据集上进行基于改进的TextCNN的多标签分类任务.通过爬虫来获取全国各个地市的政策文本数据,构建了一个全新的政策类数据集,对数据进行预处理,利用改进后的TextCNN神经网络来训练模型对数据进行多标签分类,经过实验对比测试,改进后的TextCNN结合百度百科词向量在自建数据集上达到了较好的分类效果.
文献关键词：
多标签分类;TextCNN;政策文本;百度百科词向量
中图分类号：
作者姓名：
李悦;汤鲲
作者机构：
武汉邮电科学研究院,湖北武汉430070;南京烽火天地通信科技有限公司,江苏南京210019
文献出处：
引用格式：
[1]李悦;汤鲲-.基于TextCNN的政策文本分类)[J].电子设计工程,2022(12):43-47
A类：
百度百科词向量
B类：
TextCNN,政策文本,多标签文本分类,自然语言处理,核心任务,释文,文档,分类框架,自建数据集,多标签分类,分类任务,爬虫,文本数据,训练模型,实验对比,对比测试,上达,分类效果
AB值：
0.248827
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。
