基于双向长短期记忆网络和自注意力机制的食品安全裁判文书分类方法

论文摘要

目前食品安全领域裁判文书数量持续增长,而其类别标签的缺失导致检索困难。针对将裁判文书自动化分类的问题,提出一种结合self-attention机制和BLSTM（bi-long short-term memory）网络的分类方法,该方法使用自训练注意力机制,对向量化的文本进行加权表示,从而对裁判文书中的重要特征重点关注。同时,由两个方向相反的LSTM网络组成的BLSTM网络,能够更好地学习上下文信息,提高网络性能。通过实验,准确率达到了95. 23%,相较于传统的机器学习方法,所提方法能够更好地完成食品安全领域裁判文书分类任务。

论文目录

• 1 数据预处理
• 2 BLSTM裁判文书分类模型
•   2.1 Embedding层
•   2.2 self-attention层
•   2.3 BLSTM层
•   2.4 卷积层
•   2.5 全连接及输出层
• 3 实验与分析
•   3.1 词向量维度对比实验
•   3.2 传统机器学习算法对比实验
• 4 结论

文章来源

类型: 期刊论文

作者: 姜同强,万忠赫,张青川

关键词: 长短期记忆神经网络,自注意力机制,自然语言处理,食品安全

来源: 科学技术与工程 2019年29期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,计算机软件及计算机应用,自动化技术

单位: 北京工商大学计算机与信息工程学院农产品质量安全追溯技术及应用国家工程实验室食品安全大数据技术北京市重点实验室

基金: 国家重点研发计划(2016YFD0401205),北京市自然科学基金(4184084),教育部人文社会科学研究青年基金(17YJCZH007)资助

分类号: TP391.1;TP183;TS201.6

页码: 188-192

总页数: 5

文件大小: 383K

下载量: 191