一种A-BiLSTM 的中文图书分类方法

刘 娟

（1.重庆化工职业学院，重庆 401228；2.四川学术成果分析与应用研究中心，四川 成都 610039）

0 引言

近年来，数字化技术得到快速发展。在图书情报领域，数字图书馆是数字化的典型代表之一，它利用信息技术能够更好完成文本信息的组织和传递。其中，图书分类是数字图书馆建设中的重要一步，研究图书自动分类方法具有重要意义。

图书分类其实质就是对图书文本信息的分类。文本分类在自然语言处理的许多领域中具有重要地位，其已应用于推荐系统［1］、垃圾邮件过滤系统［2］和其他需要了解用户情绪的领域。当前，用于文本分类的方法主要有3 种类型：①基于统计的分类方法，如贝叶斯分类器；②连接网络学习分类方法，如神经网络；③规则制定方法，如决策树分类法。这些方法仅依靠目标句子或目标单词解决文本分类问题，忽略了单词之间的关系。通常，文本方式的表达和上下文的联系对信息的表达至关重要，这使得文本分类很难通过单独每个句子或单词进行识别。

近年来，深度学习［3］在许多领域都取得了显著成果。对于文本分类，使用深度学习方法开展的研究可分为两部分：①通过神经语言模型学习词向量表达［4-5］；②对学习的词向量进行合成以完成分类［6］。卷积神经网络［5，7］和递归神经网络［8-9］是文本分类中使用最广泛的深度学习模型。卷积神经网络能够从时间或空间数据中学习局部特征，但缺乏学习时序相关性的能力。与卷积神经网络相比，递归神经网络被指定用于时序建模，在文本分类中更常使用递归神经网络。……