计算机应用研究

作者：宋珂,李翔,林剑楚,

单位：淮阴工学院计算机与软件工程学院,江苏淮安223003；

关键词：多标签文本分类,标签注意力,文本自注意力,协同注意力,胶囊网络,

基金：国家自然科学基金资助项目(62341118)；；

基于深度学习的多标签文本分类主要存在两个方面的不足：一是忽略标签的语义信息以及标签之间的依赖关系，二是忽略了文本与标签之间的细粒度语义匹配。针对上述问题，提出了一种融合胶囊网络与细粒度语义匹配的多标签文本分类方法。首先通过标签嵌入将标签信息融入节点构建图结构，并通过图卷积网络在节点间传递信息，深入挖掘标签间的关联性。然后，计算标签注意力和文本自注意力，并构建标签协同注意力网络和文本协同注意力网络。最后，将特征输入胶囊网络分类器以捕捉多层次语义信息并匹配想要的标签。在AAPD、RCV1-V2和EUR-Lex数据集上进行实例验证，所提出的方法在P@k和nDCG@k指标上均优于其他方法，实验结果证明了胶囊网络和多粒度语义匹配策略的有效性。

来源：2025年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第12期