基于深度学习的学术文献自动分类研究

2025-05-29 浏览 4,289 下载 1,356 引用 89

关键词：深度学习文献分类自然语言处理卷积神经网络

本文提出了一种基于深度学习的学术文献自动分类方法，通过构建多层级卷积神经网络模型，实现了对学术论文的高效分类。实验结果表明，该方法在多个基准数据集上取得了优于传统方法的分类效果，为学术文献的智能管理和检索提供了新的技术路径。

English Abstract

This paper proposes a deep learning-based automatic classification method for academic literature...

本文提出了一种基于深度学习的学术文献自动分类方法，通过构建多层级卷积神经网络模型，实现了对学术论文的高效分类。实验结果表明，该方法在多个基准数据集上取得了优于传统方法的分类效果。

研究方法包括数据预处理、特征提取、模型训练和性能评估四个主要步骤。在数据预处理阶段，采用了文本清洗、分词和向量化等操作；在特征提取阶段，使用了Word2Vec和BERT两种预训练语言模型。

实验结果表明，基于BERT的模型在准确率、召回率和F1值三项指标上均优于基线模型，其中F1值达到了92.3%。

共 2 条

[1] Zhang Y, Chen X. Deep Learning for Text Classification[J]. Journal of Machine Learning, 2025, 28(3): 456-478.
[2] Li S, Wang L. BERT-based Document Classification[J]. Computational Linguistics, 2025, 41(2): 189-207.

张明远, 李思涵. 基于深度学习的学术文献自动分类研究[J]. 学术交流学报, 2026, 18(3): 45-58.

张明远 et al. (2026). 基于深度学习的学术文献自动分类研究. 学术交流学报, 18(3), 45-58.

张明远, 李思涵. "基于深度学习的学术文献自动分类研究." 学术交流学报, vol. 18, no. 3, 2026, pp. 45-58.

共 0 条评论

暂无评论，欢迎发表您的学术见解

期刊来源学术交流学报

发表日期 2025-05-29

DOI 10.1234/j.acml.2026.001

卷期页码 2026, 18(3): 45-58

论文类型原创研究

语言中文 / 英文摘要

通讯作者张明远

邮箱 zhangmy@tsinghua.edu.cn

资助项目国家自然科学基金（No.62371234）

暂无PDF