摘要
采取TF-IDF、LDA、位置权重指派与MMR相结合的方式,对不同的句子分配不同的权重。结合Word Embedding模型,分析了在BERT、RoBERTa-wwm-ext等模型测试的分类效果。
TF-IDF,LDA and location weight assignment are combined with MMR to assign the weights to different sentences.Also,the Word Embedding model is applied to analyze the classification results from BERT and RoBERTa-wwm-ext model tests.
作者
张丽杰
张甜甜
周威威
ZHANG Lijie;ZHANG Tiantian;ZHOU Weiwei(School of Computer Science & Engineering, Changchun University of Technology, Changchun 130012, China)
出处
《长春工业大学学报》
CAS
2021年第6期558-564,共7页
Journal of Changchun University of Technology
基金
大学生创新创业训练计划项目(202110190002)。
关键词
文本分类
深度学习
抽取式文本摘要
词向量
text classification
deep learning
abstracted text summarization
word embedding
