换一批基于提示学习的生物恐怖威胁信息指纹零样本文本分类技术
Zero-Shot Text Classification Technique for Bioterrorism Threat Information Fingerprinting Based on Prompt Learning
摘要近年来,生物恐怖威胁已成为国家安全的重大挑战,准确快速地识别生物恐怖威胁信息并对其进行分类成为亟待解决的关键问题.然而,传统的文本分类技术在应对生物恐怖威胁时面临数据稀缺和威胁因子复杂的问题.为此,本文提出了一种基于提示学习的零样本文本分类方法,设计了基于掩码策略的Mask BERT模型,并集成了提示插入模块和提示匹配模块.该方法利用预训练语言模型的知识,无须依赖外部知识库,成功实现了文本与类别的有效匹配,提高了分类的准确性和语义丰富性.在生物恐怖威胁信息指纹数据集上进行的对比实验和消融实验表明,本文提出的模型在准确率、召回率和F1 值上分别达 93.4%、92.3%和 92.1%.相较于传统文本分类模型BERT、FPT-BERT、DepRNN、CPFT、CNN-BERT、SN-FT和HGAT,本模型对不同生物恐怖威胁信息的文本分类准确率更高,表明其具有良好的分类性能,能够准确而全面地识别生物恐怖威胁信息.
更多相关知识
- 浏览3
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
