基于ERNIE+DPCNN+BiGRU的农业新闻文本分类

来源：计算机应用杂志2023年第5期北京时间：

作者：杨森淇, 段旭良, 肖展, 郎松松, 李志勇

单位：1.四川农业大学 信息工程学院，四川 雅安 625014；2.四川农业大学 农业信息工程实验室，四川 雅安 625014

摘要：针对农业新闻目前面临的针对性差、分类不清和数据集缺乏等问题，提出一种基于ERNIE（Enhanced Representation through kNowledge IntEgration）、深度金字塔卷积神经网络（DPCNN）和双向门控循环单元（BiGRU）的农业新闻分类模型——EGC。首先利用ERNIE对数据集进行编码，然后利用改进后的DPCNN和BiGRU同时提取新闻文本的特征，再将两者提取的特征进行拼合并经过Softmax得到最终结果。为了使EGC模型适用于农业新闻分类领域，对DPCNN进行改进，减少它的卷积层以保留更多特征。实验结果表明，与ERNIE相比，EGC模型的精确率、召回率和F1分数别提升了1.47、1.29和1.42个百分点，优于传统分类模型。

关键词：新闻文本分类,农业工程,ERNIE,深度金字塔卷积神经网络,双向门控循环单元

基金资助：四川省自然科学基金资助项目(2022NSFSC0172)