一种基于知识增强注意力网络的文本多标签分类方法

本发明涉及自然语言处理技术领域，具体地说，涉及一种基于知识增强注意力网络的文本多标签分类方法。该基于知识增强注意力网络的文本多标签分类方法，包括以下步骤：输入文本数据：获取待处理的文本数据；数据预处理：清理和标准化文本数据；特征提取：为了保留文本中对分类任务有意义的信息，同时减少冗余，使用BERT预训练模型将文本转换为向量表示；创建文本分类模型，构建基于知识增强的注意力机制模型；模型训练与验证。本发明一方面通过引入外部知识库增强文本语义表示，另一方面利用改进的注意力机制提高多标签分类精度，进一步结合标签间依赖关系优化分类结果，同时本发明具有提升分类性能、适应复杂多标签场景的技术效果。