基于级连神经网络和SVD的文本分类新模型

摘要：

提出了一个基于级连神经网络(Cascade-Correlation Neural Network,CCNN)和SVD(Singular Value Decomposition)的文本分类新模型.该神经网络用级连相关算法来训练网络.大部分的文本分类系统用向量空间模型(Vector Space Model,VSM)来表现文档,然而这种方法需要很高的维度,并且考虑不到文本特征词闻的语义隐含信息,因此分类效果不是太理想.引入SVD来学习和袁现文本特征词,在降低特征维度的基础上,将文本特征的隐含信息表现出来.实验证明,在加快训练速度的基础上,提高了分类的精度.

关键词：奇异值分解、神经网络、文本分类、BP 算法、级联相关算法

所属期刊栏目：46

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60572074

在线出版日期：2010-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：102-104