.png){kind=icon}
返回
Granular-ball representation-based two-stage deep learning model for text classification
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-025-07010-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
文本分类，即对文本进行自动分配至特定类别的过程，在现实世界中具有广泛的应用。然而，许多现有方法依赖于预训练语言模型，这些模型虽然在学习全局语言模式方面高效，但在将抽象标签映射到文本数据时可能存在困难。此外，这些模型的鲁棒性及其决策过程缺乏透明度的问题也引发了担忧。为解决这些问题，本文提出了一种基于颗粒球表示（TSM-GBR）的新型两阶段学习模型用于文本分类。首先，文本被转换为嵌入向量，随后基于这些向量生成颗粒球。接着，设计了一种基于三支决策的层次化策略来计算标签的语义信息。引入文本置信度概念以处理颗粒球模型难以有效分类的样本。在后续阶段，基于标签的实际语义对词嵌入的语义表示进行优化，并对表现出低置信度的文本进行进一步分类。考虑到深度学习模型在通过单一粒度处理语义信息的局限性，设计了一个双通道池化模型，利用最大池化和平均池化从文本中提取多粒度信息。与基线方法相比，所提出的模型在多个数据集上展现出在准确率和F1分数方面的竞争力。广泛的比较实验证实，标签信息的综合集成显著提升了文本分类性能。源代码可在https://gitee.com/TomisHy/tsm-gbr/tree/master/获取。
Keyword:
Text classification
Granular-ball computing
Label information
Neural network
Three-way decision
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
Scalable multi-channel dilated CNN-BiLSTM model with attention mechanism for Chinese textual sentiment analysis具有注意力机制的可扩展多通道扩张cnn-bilstm中文文本情感分析模型
PREAI
分享收藏An Adaptive Multi-Granularity Graph Representation of Image via Granular-ball Computing基于粒计算的自适应多粒度图像图表示
PREAI
分享收藏Jia Z, Zhang Z, Pedrycz W. Generation of Granular-Balls for Clustering Based on the Principle of Justifiable Granularity. IEEe Trans. Cybern. 2025;55:1687–700. https://doi.org/10.1109/TCYB.2025.3534195.贾 Z, 张 Z, Pedrycz W. 基于可解释粒度原则的聚类粒球生成方法. IEEe Trans. Cybern. 2025;55:1687–700. https://doi.org/10.1109/TCYB.2025.3534195..png)
IF0
PREAI
分享收藏A framework of granular-ball generation for classification via granularity tuning通过粒度调整进行分类的颗粒球生成框架APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏Deep learning, graph-based text representation and classification: a survey, perspectives and challenges深度学习，基于图的文本表示和分类: 综述，观点和挑战
PREAI
分享收藏分享收藏
查看更多内容