基于深度学习的艺术类论文分类方法研究.pdfVIP

计计算算机机与与网网络络技技术术论论坛坛

基于深度学习的艺术类论文分类方法研究

古丽扎达·海沙

（新疆艺术学院公共基础部，新疆乌鲁木齐830049）

摘要：艺术类论文是论述艺术创新思想的涵盖音乐、舞蹈、美术和戏剧等学科的论文。以艺术类论文分类为目的，解决了

以下两大难题：一个是没有大量的细分类论文语料库，以及语料的不足导致系统性能下降；另一个是参与分类任务的输入文本

较短，无法提取有用的语义特征。具体地，构建数据集，通过基于弱监督同义词替换方法增强数据集；训练并测试基于类别关键

词注意力机制的神经网络模型。通过实验证明，关键词的注意力矩阵能够强化论文摘要表达的语义信息，在艺术类论文分类任

务中效果较好，该方法也可以在其他领域中应用。

关键词：论文分类；注意力机制；关键词；同义词；艺术类

中图分类号：G254.1文献标志码：A文章编号：1008-1739（2023）02-67-5

Gulizada窑HAISHA

渊XinjiangArtsUniversity,Urumqi830049,China冤

Artpapersdiscussinnovativeartideas,coveringdisciplinessuchasmusic,dance,fineartanddrama.Classifyingart

papersisregardedasthepurposeofthisarticle,andthefollowingtwoproblemsareputforward.First,thereisnolargecorpusof

subdividedpapers,andthelackofcorpusleadstothedeclineofthesystemperformance.Anotheroneisthattheinputtextparticipating

intheclassificationtaskisshort,makingitdifficulttoextractusefulsemanticfeatures.Inordertospecificallysolvetheproblems,the

datasetshouldbefirstlyconstructedandalsobeenhancedbysubstitutionmethodsbasedonweaklysupervisedsynonyms.Then,aneural

networkmodelbasedontheattentionmechanismofcategorykeywordsistrainedandtested.Finally,theexperimentsshowthatthe

attentionmatrixofkeywordscanstrengthenthesemanticinformationexpressedinthepapersabstract,whichhasbettereffectsinthe

classificationtaskofartpapers.Themethodcanalsobeusedinotherfields.

paperclassification;attentionmechanism;keyword;synonym;art

0引言度学习的卷积神经网络（ConvolutionalNeuralNetwork，CNN）

来完成，但是这类方法中存在语义特征信息不足的问题。本文

在海量的文献数据中，通过论文分类获取有价值的论文