STCKA:复制论文—知识驱动的深度短文本分类-源码

以知识为动力的深度短文本分类 为了衡量知识的重要性，采用知识驱动的注意力的短文本分类法（STCKA）引入了注意机制，利用对短文本的概念（CST）的关注和对概念集的概念（C-CS）的关注来获取权重两个方面的概念。 它可以借助概念性信息对短文本进行分类。 可以在上找到纸张。 为了复制本文，我们实现了此代码。 要求 的Python == 3.7.4 pytorch == 1.3.1 torchtext == 0.3.1 麻木 tqdm 输入数据格式 片段和TagMyNews数据集可以在数据集文件夹中找到。 数据格式如下（'\ t'表示TAB）： origin text \t concepts ... 怎么跑 训练与开发与测试：原始数据集被随机分为80％用于训练和20％用于测试。 随机选择的训练实例的20％用于形成开发集。 python main.py --epoch 100 --lr