一种基于稀疏自编码器的涉恐短文本特征提取方法

摘要：

[目的/意义]稀疏自编码器是深度学习领域中一种较为高效的文本特征提取方法,有利于解决大规模涉恐短文本高维、稀疏难处理等问题.[方法/过程]首先经稀疏自编码器无监督学习方法降维,提取数据隐含特征,然后利用LDA主题聚类算法进行文本聚类,并通过与传统特征提取算法对比实验效果来验证该方法的有效性和高效性.[结果/结论]实验结果证明,将稀疏自编码器提取的文本特征用于LDA主题聚类,有效解决了涉恐短文本高维、稀疏、噪声大的问题,并显著提高了聚类结果的准确性.

关键词：涉恐文本、稀疏自编码器、特征提取、LDA主题聚类

所属期刊栏目：38

分类号：C931.6(管理学)

资助基金：国家自然科学基金项目"微博环境下实时主动感知网络舆情事件的多核方法研究"71303075;"大数据环境下基于特征本体学习的无监督文本分类方法研究"71571064

在线出版日期：2019-05-06（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：203-206,封3,186