使用 GloVe 和神经网络模型的多标签文本分类
计算与语言
2024-05-22 v2
摘要
本研究探讨了多标签文本分类的挑战。这些困难源于数据集不平衡、文本长度不一以及众多主观特征标签。现有的解决方案包括用于预测的传统机器学习和深度神经网络。然而，这两种方法都有其局限性。传统机器学习通常忽略了词之间的关联，而深度神经网络尽管具有更好的分类性能，却伴随着训练复杂度和时间的增加。本文提出了一种利用基于 GloVe 模型和 CNN-BiLSTM 网络的词袋模型方法。其原理是使用由 GloVe 模型训练的词向量矩阵作为文本嵌入层的输入。鉴于 GloVe 模型无需进一步训练，神经网络模型可以被更高效地训练。该方法在测试集上达到了 87.26% 的准确率和 0.8737 的 F1 分数，展示了有希望的结果。
引用
@article{arxiv.2312.03707,
title = {Multi-label Text Classification using GloVe and Neural Network Models},
author = {Hongren Wang},
journal= {arXiv preprint arXiv:2312.03707},
year = {2024}
}
备注
I have discovered some significant modifications that need to be made. These modifications are crucial and will substantially impact the results of the study. I plan to thoroughly revise the paper and resubmit it to ensure the accuracy and completeness of the research findings