一种基于Tucker分解的轻量级文本分类方法

摘要

本发明公开一种基于Tucker分解的轻量级文本分类方法，该方法采用了一个轻量级分类(TDLM)模型，包括基于Tucker分解的局部特征抽取模块、基于全局标识的全局特征抽取模块和类别预测模块。基于Tucker分解的局部特征抽取模块通过分解TextCNN网络获取更加轻量低维的卷积层，这些轻量的卷积层不仅可以获取丰富句子的局部语义信息，而且计算速度更快，参数量更少；基于全局标识的全局特征抽取模块通过全局标识跟每个单词的交互和融合，获取句子的整体表示，增加句子分类时所需要的语义信息；最后通过类别预测模块融合模型学习到的局部特征和全局特征信息，得到更加准确且高效的文本分类标签。本发明克服了传统神经网络的运行速度慢，参数存储高等现状。