基于TI-LSTM的文本自动分类算法及应用

摘要：

为了有效解决中文文本分类问题,提高文本分类的准确性,提出一种基于TF-IDF和神经网络相结合的文本自动分类算法——TI-LSTM算法.算法根据语义情景提取相应特征,进行量化,通过长短期神经网络(LSTM)对量化后的特征进行训练并赋予权重,最后以特征权重为依据对中文文本信息进行评价.使用TI-LSTM算法可以在保留原文语义的情况下准确提取特征.将该算法应用到长春理工大学贫困生等级分类研究中.与传统的KNN、逻辑回归、朴素贝叶斯和LSTM分类方法进行了比较,训练和测试的准确率都有了较大的提升,准确率达到了86％以上.

关键词：神经网络、文本分类、特征提取、文本量化、贫困生

所属期刊栏目：46

分类号：OP24

资助基金：吉林省教育厅项目;长春理工大学大学生创新创业训练计划

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：130-136