10.3969/j.issn.1006-2475.2017.04.016
基于卷积神经网络的互联网短文本分类方法
互联网短文本的分类是自然语言处理的一个研究热点.本文提出一种基于卷积神经网络(Convolutional Neural Networks,CNNs)互联网短文本分类方法.首先通过Word2vec的Skip-gram模型获得短文特征,接着送入CNNs中进一步提取高层次特征,最后通过K-max池化操作后放入Softmax分类器得出分类模型.在实验中,该方法和机器学习方法以及DBN方法相比,结果表明本文方法不仅解决了文本向量的维数灾难和局部最优解问题,而且有效地提高了互联网短文本两级分类准确率,证实了基于CNNs的互联网短文本分类的有效性.
卷积神经网络、短文本分类、深度学习、机器学习
TP391(计算技术、计算机技术)
河南省科技攻关项目132102310284;河南省教育厅科学技术研究重点项目14A520015
2017-05-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
78-81