基于NLP的政企类文本智能分类的实现与应用  

作　　者：胡文烨 郭文涛 李振业 许鸿奎[1] 

机构地区：[1]山东建筑大学信息与电气工程学院,山东省济南市250000

出　　处：《电子技术与软件工程》2022年第16期253-258,共6页ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

基　　金：山东省重大科技创新工程(No.2019JZZY010120);山东省重点研发计划(No.2019GSF111054)。

摘　　要：本文基于深度学习框架及自然语言处理,将政企类文本智能分类过程中的文本预处理、模型构建、分类效果比较等环节进行了实现与分析。自然语言处理是文本分类的有效手段,在所有的文本分类语境中,政企类文本因其文本较长、类别较多、文本质量不一等特点,在文本分类中取得的效果一般。而随着政务服务水平的提高以及对信息化、智能化的要求逐渐提高,政企类文本智能分类的实现变得更加重要。在实验过程中,本文采用了DNN、CNN、LSTM、BERT等模型进行实验处理,经过比较以及模型优化,最终取得了较优的结果,并分析了其在实际工程项目中的具体应用场景。

关 键 词：深度学习 文本预处理 BERT 文本分类 预训练模型 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]