Global–Local Enhancement Network for Short Text Classification

联营 计算机科学 构造(python库) 背景(考古学) 水准点(测量) 滤波器(信号处理) 任务(项目管理) 人工智能 代表(政治) 数据挖掘 机器学习 工程类 地理 考古 大地测量学 系统工程 政治 法学 政治学 计算机视觉 程序设计语言
作者
Qiaohong Chen,Ji Wang,Qi Sun,Yubo Jia
出处
期刊:IEEE Transactions on Computational Social Systems [Institute of Electrical and Electronics Engineers]
卷期号:9 (3): 761-769 被引量:2
标识
DOI:10.1109/tcss.2021.3085994
摘要

Because of the limited context information, it is a challenging task to classify short texts. Most existing methods only focus on extracting high-quality local features or global features from text to construct text representations, which is not comprehensive enough. This article proposes a global–local enhancement network (GLEN), which can construct a high-quality text representation by integrating the global and local features of the text. To improve the quality of global and local features, a group-wise enhancement mechanism is introduced, which can effectively enhance the important features while weakening the unimportant features. For the information-loss problem of traditional pooling operation, we designed a global–local pooling mechanism, which can filter out local features that are more relevant to the whole information of the text. Seven benchmark datasets of text classification were selected to test the performance of the model, and GLEN obtained the best results on most datasets. The ablation experiment on GLEN shows that both the group-wise enhancement mechanism and the global–local pooling mechanism can effectively improve the performance of the model.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
龅牙苏发布了新的文献求助10
1秒前
2秒前
3秒前
科研通AI2S应助倦梦还采纳,获得10
4秒前
zj-3333333发布了新的文献求助10
4秒前
大磊完成签到,获得积分10
5秒前
6秒前
jinan完成签到,获得积分10
6秒前
共享精神应助mimi采纳,获得10
7秒前
7秒前
迅速泽洋发布了新的文献求助10
8秒前
福明明完成签到,获得积分10
9秒前
玖梦发布了新的文献求助10
10秒前
10秒前
10秒前
coco234完成签到,获得积分10
11秒前
11秒前
11秒前
子不语完成签到 ,获得积分10
12秒前
调皮毛衣完成签到,获得积分10
12秒前
14秒前
华仔应助玖梦采纳,获得10
15秒前
瞿寒发布了新的文献求助10
15秒前
leonieliu发布了新的文献求助150
15秒前
16秒前
nini发布了新的文献求助10
16秒前
科研人发布了新的文献求助10
17秒前
英俊的铭应助杰森斯坦虎采纳,获得10
17秒前
学阀发布了新的文献求助10
18秒前
香蕉觅云应助迅速泽洋采纳,获得30
19秒前
wlnhyF完成签到,获得积分10
19秒前
20秒前
我不做大哥好多年完成签到,获得积分10
23秒前
PATTOM完成签到,获得积分10
24秒前
25秒前
忆安完成签到,获得积分10
26秒前
yyh218完成签到,获得积分10
26秒前
26秒前
27秒前
28秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3138986
求助须知:如何正确求助?哪些是违规求助? 2789907
关于积分的说明 7793124
捐赠科研通 2446296
什么是DOI,文献DOI怎么找? 1301017
科研通“疑难数据库(出版商)”最低求助积分说明 626087
版权声明 601096