词特征融合长文本分类

科学数据集决策评估

传统长文本分类方法常忽略词法信息；该模型通过词性分组并引入门控融合，在科学数据政策数据集上性能优于现有主流方法。

Gao, Yuwei · Zhaojun, Wang · 胡良霖 · Xindong, You · 周建设

Beijing Youdian Xueyuan Xuebao/Journal of Beijing University of Posts And Telecommunications 2025

技术优势

性能优于主流方法

在科学数据政策数据集上的实验结果表明，该模型取得了比现有主流方法更好的性能。

融合词法信息

通过按词性对文本中的词进行分组并设计拼接融合单元和门控融合单元，有效聚合短语组嵌入和原文嵌入以生成最终文本表示。

应用场景

• 政策文本挖掘：自动判断政策文件是否受相关科学数据集影响，辅助针对性决策。
• 科学数据管理：评估科学数据集的决策影响，促进数据的开放与管理。
• 文本分析工具：提供长文本分类工具，用于处理政府公告等长文本。