摘要
本发明公开了一种基于标签感知的多标签文本分类方法,输入文本训练数据集进行数据预处理得到文本P和标签集合T;采用Glove模型获得文本词嵌入向量V1和标签词嵌入向量V2;将V1输入到LSTM进行预编码得到文本的隐表示V;经过训练获得TransE模型,引入外部知识图谱,通过TransE得到的知识嵌入与V2进行拼接得到扩充后的标签表示矩阵M,然后输入到LSTM得到标签的隐表示C;将文本的隐表示V和标签的隐表示C联合空间进行学习,结合注意力机制获得精确的文本表示;基于精确的文本表示训练多标签文本分类模型;将待分类的测试集多标签文本输入到多标签文本分类模型中,进行预测分类输出标签序列。本发明可以有效的提高多标签文本分类模型准确性。