基于融合词向量模型的特色文献分类

打开文本图片集

中图分类号：TP391.1 文献标识码：A 文章编号：2096-4706（2025）08-0157-05

Abstract： In library service work， when facing local characteristic literature with a smalldata volume，library managers need to spend a great deal of time and efort manually organizing such local characteristic literature.In order to achieve automatedpre-clasificatinofcharacteristicliterature，thispaperproposestheCGBmodel，whichisanutomatedclasiiation modelforliteraturewithasmalldatavolume.TakingthecharacteristicliteraturedatasetofGuizhouProvinceas theexperimental object，the model conducts pre-training through GloVeand BERT，fuses the generated vectors，extracts andrepresents features throughTextC，andlasifsharactersticitratureofferentdatasales.Experimentalsultsidicatethatteaacy of the model with fused word vectors isat least 4 % higherthanthatof thebenchmark model.

Keywords： local characteristic literature; text classification; text vectorization

0 引言

在图书馆服务工作中，为展现地方特色建立地方文献库，图书馆管理人员需要将具有地方特色的文献从海量文献中挑选出来，与中图分类法不同，地方特色文献融合了多种类型文献，如：政治、科技、历史、小说等，却又与地方特色密切相关，将此类文献进行归纳整理需要耗费大量的时间与精力。（剩余6798字）