近年來,互聯(lián)網上充斥著越來越多的信息,各種媒體每天在網絡上發(fā)布大量的新聞。在金融領域當中,由于人們對于企業(yè)信譽等更加看重,會更加關注網絡當中的相關新聞。同時,大量金融新聞的廣告性、總結性較強,不具有價值性,這類新聞的存在增添了人們在獲取相關資訊過程中的時間成本。此外,對含有潛在價值的金融新聞進行分析往往可以迅速獲得信息的升值價值,有效鑒別該類新聞可以避免專業(yè)分析人員接觸大量不具有分析意義的新聞文本,從而大量節(jié)約該過程當中的人工分析成本。因此,如何從大量的新聞數(shù)據(jù)當中有效鑒別含有潛在價值的金融新聞?chuàng)碛兄匾难芯恳饬x。本文當中,我們通過文本分類方法鑒別含有潛在價值的金融新聞。與傳統(tǒng)文本分類問題不同的是,待分類的文本具有較長的文本長度,且不同類別之間數(shù)據(jù)具有比較大的相似性,因而是一個細粒度的長文本分類問題。對于自然語言處理當中的文本分類任務,研究重點一般在于文本表示建模方法當中�，F(xiàn)有的文本建模方法一般在較短文本上能夠取得比較好的建模效果,對于長文本的建模嘗試相對較少。本文提出,在細粒度新聞文本分類問題的長文本建模過程當中,層次化地建模長文本能夠更好地獲取文本特征。為此,本文基于預訓練語言模型... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題來源
    1.2 課題研究的背景及意義
    1.3 國內外相關技術研究現(xiàn)狀分析
        1.3.1 基于傳統(tǒng)機器學習的文本分類
        1.3.2 基于深度學習的文本分類
        1.3.3 基于多任務學習的文本分類
    1.4 本文主要研究內容
    1.5 論文的組織與結構
第2章 新聞文本分類方法簡介
    2.1 引言
    2.2 目標類別新聞鑒別的整體流程
    2.3 基于深度學習的文本分類方法
        2.3.1 基于深度學習的文本分類框架
        2.3.2 基于深度學習的文本分類模型
        2.3.3 基于預訓練語言模型的文本分類方法
        2.3.4 基于深度學習的文本分類器
    2.4 基于多任務學習的文本分類方法
        2.4.1 多任務學習的基本概念
        2.4.2 多任務學習下的兩種學習模式
        2.4.3 多任務學習在文本分類當中的應用
    2.5 本章小結
第3章 層次化文本表示的長文本分類
    3.1 引言
    3.2 層次化的長文本表示方法
        3.2.1 嵌入層的設計方法
        3.2.2 基于BERT的句子編碼方法
        3.2.3 篇章編碼方法
        3.2.4 篇章分類方法
    3.3 數(shù)據(jù)集介紹
        3.3.1 細粒度新聞文本分類數(shù)據(jù)集
        3.3.2 公開數(shù)據(jù)集簡介
    3.4 評價指標介紹
    3.5 實驗與結果分析
        3.5.1 實驗環(huán)境與配置
        3.5.2 實驗結果
        3.5.3 實驗分析
    3.6 本章小結
第4章 基于多任務學習的細粒度文本分類
    4.1 引言
    4.2 基于多任務學習的文本分類方法
        4.2.1 輔助學習任務的構建
        4.2.2 多任務學習的文本分類實現(xiàn)方法
    4.3 實驗結果與分析
        4.3.1 基于多任務學習的實驗結果
        4.3.2 加入目標任務微調之后的實驗結果
        4.3.3 IMDb數(shù)據(jù)集上多任務學習實驗結果
    4.4 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的論文及其它成果
致謝


【參考文獻】：
期刊論文
[1]基于深度學習的文本分類研究進展[J]. 劉婷婷,朱文東,劉廣一.  電力信息與通信技術. 2018(03)



本文編號：3173868