文档介绍：第31卷第3期 计算机技术与发展
2021年3月 COMPUTER TECHNOLOGY AND DEVELOPMENT Mar. 2021
基于堆叠模型的司法短文本多标签分类
何涛,， 陈剑， ， 闻英友,， 孔为民2
(，辽宁沈阳110169；
，山东 荷泽274100)
摘 要：司法文书短文本的语义多样性和特征稀疏性等特点，对短文本多标签分类精度提出了很大的挑战,传统单一模型
的分类算法已无法满足业务需求。为此，提出一种融合深度学****与堆叠模型的多标签分类方法。该方法将分类器划分成
两个层次，第一层使用BERT、卷积神经网络、门限循环单元等深度学****方法作为基础分类器 ，每个基础分类器模型通过K
折交叉验证得到所有数据的多标签分类概率值，将此概率值数据进行融合形成元数据;第二层使用自定义的深度神经网
络作为混合器，以第一层的元数据为输入，通过训练多标签概率矩阵获取模型参数。该方法将强分类器关联在一起，获得
比单个分类器更加强大的性能。实验结果表明，深度学****堆叠模型实现了 87%左右的短文本分类F1分数，优于BERT、卷
积神经网络、循环神经网络及其他单个模型的性能。
关键词：堆叠模型;BERT；卷积神经网络；门限循环单元;多标签分类
中图分类号：TP 391 文献标识码:A 文章编号： 1673-629X(2021 )03-0027-06
doi： 10. 3969/j. issn. 1673-629X. . 005
Multi-label Classification of Judicial Short Texts Based on
Stacking Model
HE Tao1 ,CHEN Jian1 ,WEN Y