10.3969/j.issn.1006-9348.2015.12.096
海量短文本实时挖掘方法的研究与仿真
针对短文本字数少,数量庞大,可伸缩性的特点,采用传统算法进行海量短文本挖掘的过程中,由于短文本性能之间特殊关联性使权重和阀值受到干扰,造成挖掘准确率低,效率差.提出基于粒子群神经网络融合算法的海量短文本挖掘方法.将短文本作为具有初始速度和初始位置的粒子,构建用于挖掘海量短文本的神经网络模型,利用粒子群对模型的链接权重和阀值进行寻优,并将搜索到最好位置和速度的粒子作为全局最优解,得到最优的连接权重和阀值,在学习的过程中,加入动量因子对学习速度进行改进,实现了准确的短文本挖掘,并提高了挖掘速度.实验结果表明,利用改进算法能够提高海量短文本挖掘的准确率和效率,效果令人满意.
短文本、挖掘、粒子群神经网络
32
TP311(计算技术、计算机技术)
2016-03-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
442-446