物流文本分类研究：基于关键词抽取和注意力机制的CNN-GRU模型

本文旨在探讨如何解决物流文本分类中的问题，主要从以下三个方面入手：首先，通过种子词集扩展技术，对物流种子词汇进行扩展，以获取所有与物流相关的词汇，并过滤掉不相关的文本，为后续实验奠定基础；其次，提出了基于词频-逆文档频率特征、首次出现的位置特征、词语长度特征、文章标题特征、词跨度特征的综合权重公式，以优化关键词抽取模型。同时，我们进行了与传统关键词抽取模型的实验对比，以验证权重综合公式的可行性和准确性；最后，我们提出了基于注意力机制的CNN－GRU文本分类模型，用于物流文本分类，结合文本关键词，以提高分类效果。我们还与CNN模型、基于注意力机制的CNN模型和基于注意力机制的GRU等模型进行了对比实验，以验证改进后模型的性能和分类准确率的提升。通过以上研究，我们希望在物流文本分类方面做出更好的贡献。