DBN在中文文本分类中的应用

摘要：

为提高中文文本的分类效果,提出基于深度置信网络的中文文本分类模型,分别以文本的TF-IDF和LSI特征作为输入,利用深度置信网络强大的特征学习能力获取深层次特征,提高最终的分类效果.实验结果表明,LSI特征更适合作为深度置信网络文本分类模型的输入,相比SVM等浅层模型,深度置信网络在中文文本分类任务中更加有效,经过合理的训练和参数设置可以取得比SVM模型更好的分类效果,分类准确率提高了3.4％.

关键词：文本分类、深度置信网络、文本特征、LSI特征、受限制玻尔兹曼机

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2018-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2974-2978,2991