2025年6月23日 周一
首页 > 按月查看>2022年第3月 >586-596. DOI:10.16337/j.1004-9037.2022.03.009
PDF 导出
融合主题模型和动态路由的小样本学习方法
作者:
作者单位:

1.山东工商学院计算机科学与技术学院，烟台 264005;2.山东工商学院信息与电子工程学院，烟台 264005;3.山东省高等学校协同创新中心：未来智能计算，烟台 264005;4.山东省高校智能信息处理重点实验室(山东工商学院)，烟台 264005;5.大连海事大学信息科学技术学院，大连 116026

基金项目:

国家自然科学基金(61976124, 61976125, 61773244, 61772319)。


Few-Shot Learning Method Based on Topic Model and Dynamic Routing Algorithm
Author:
Affiliation:

1.College of Computer Science and Technology, Shandong Technology and Business University, Yantai 264005,China;2.College of Information and Electronic Engineering, Shandong Technology and Business University, Yantai 264005,China;3.Co-innovation Center of Shandong Colleges and Universities:Future Intelligent Computing, Yantai 264005, China;4.Key Laboratory of Intelligent Information Processing in Universities of Shandong(Shandong Technology and Business University), Yantai 264005, China;5.Information Science and Technology College, Dalian Maritime University, Dalian 116026, China

  • 摘要
    • | |
  • 访问统计
    • |
  • 参考文献
    • |
  • 相似文献
    • |
  • 引证文献
    • |
    摘要:

    针对小样本学习标注训练样本过少，导致特征表达力弱的问题，本文结合有监督主题模型（Supervised LDA， SLDA）和动态路由算法提出一种新的动态路由原型网络模型（Dynamic routing prototypical network based on SLDA， DRP-SLDA）。利用SLDA主题模型建立词汇与类别之间的语义映射，增强词的类别分布特征，从词粒度角度编码获得样本的语义表示。提出动态路由原型网络（Dynamic routing prototypical network，DR-Proto），通过提取交叉特征利用样本之间的语义关系，采用动态路由算法迭代生成具有类别代表性的动态原型，旨在解决特征表达问题。实验结果表明，DRP-SLDA模型能有效提取词的类别分布特征，且获取动态原型提高类别辨识力，从而能够有效提升小样本文本分类的泛化性能。

    Abstract:

    Aiming at the problem that the training samples for few-shot learning are too few， which leads to the weak expression of features， a novel dynamic routing prototypical network based on SLDA（DRP-SLDA） is proposed based on the supervised topic model（Supervised LDA， SLDA） and dynamic routing algorithm. The SLDA topic model is used to establish the semantic mapping between words and categories， enhance the category distribution characteristics of words， and obtain the semantic representation of samples from the perspective of word granularity. The dynamic routing prototypical network（DR-Proto） is presented. The network makes full use of the semantic relationship between samples by extracting cross features， and uses the dynamic routing algorithm to iteratively generate dynamic prototype with category representation， so as to solve the problem of feature expression. The experimental results show that the DRP-SLDA model can effectively extract the category distribution characteristics of words and dynamically obtain the dynamic prototype to increase the category identification， which can obviously improve the generalization ability of few-shot text classification.

    参考文献
    相似文献
    引证文献
引用本文

张淑芳,唐焕玲,郑涵,刘孝炎,窦全胜,鲁明羽.融合主题模型和动态路由的小样本学习方法[J].数据采集与处理,2022,37(3):586-596

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2021-10-20
  • 最后修改日期:2021-12-19
  • 在线发布日期: 2022-05-25

您是本站第 访问者

通信地址：南京市御道街29号 南京航空航天大学(明故宫校区)

邮编：210016 传真：025-84892742

电话：025-84892742 E-mail：sjcj@nuaa.edu.cn

技术支持：北京勤云科技发展有限公司

网站版权： © 《数据采集与处理》 编辑部