融合语义联想和BERT的图情领域SAO短文本分类研究
来源：图书情报工作杂志2021年第16期北京时间：
作者：张玉洁,白如江,刘明月,于纯良
单位：1 山东理工大学信息管理研究院 淄博 255049;2 烟台大学图书馆 烟台 264005
摘要：[目的/意义] 针对SAO结构短文本分类时面临的语义特征短缺和领域知识不足问题，提出一种融合语义联想和BERT的SAO分类方法，以期提高短文本分类效果。[方法/过程] 以图情领域SAO短文本为数据源，首先设计了一种包含"扩展-重构-降噪"三环节的语义联想方案，即通过语义扩展和SAO重构延展SAO语义信息，通过语义降噪解决扩展后的噪声干扰问题；然后利用BERT模型对语义联想后的SAO短文本进行训练；最后在分类部分实现自动分类。[结果/结论] 在分别对比了不同联想值、学习率和分类器后，实验结果表明当联想值为10、学习率为4e-5时SAO短文本分类效果达到最优，平均F1值为0.852 2，与SVM、LSTM和单纯的BERT相比，F1值分别提高了0.103 1、0.153 8和0.140 5。
关键词：SAO,短文本分类,语义联想,BERT,
基金资助：本文系山东省高等学校青创科技支持计划\"科技大数据驱动的智慧决策支持创新团队-面向新旧动能转换的新兴科学研究前沿识别研究\"（项目编号：2019RWG033）和山东省社科规划处项目\"数字环境下科学论文的内容标注模型研究\"（项目编号：20CSDJ65）研究成果之一。
