基于改进seq2seq模型的多源多标签文本分类方法及其系统

摘要

本发明属于自然语言处理文本分类技术领域，具体提供了一种基于改进seq2seq模型的多源多标签文本分类方法及其系统，该方法包括如下步骤：数据输入及预处理、词嵌入、编码、编码拼接、解码、模型优化以及预测输出。本发明方法具有如下有益效果：采用seq2seq深度学习框架，构建多个编码器，结合注意力机制用于文本分类任务，最大限度地利用了多来源语料信息，提高了多标签分类准确性；在解码步骤的误差反馈过程中，针对多标签文本的特性，加入干预机制规避了标签排序带来的影响，更多切合多标签分类问题的本质；编码器采用循环神经网络，可以有效的按照时间步进行学习；解码层采用单向循环神经网络，并添加了注意力机制，突出了学习重点。