基于深度学习和支持向量机的文本分类模型

摘要：

NLP(Natural Language Processing,自然语言处理)是人工智能领域的一个主要研究方向,而文本分类是NLP处理技术的重要分支.自然语言处理使计算机、手机等电子设备能够具有识别理解人类语言的能力,由于其自身的复杂性,目前仍有许多技术难点没有被完全攻克,主要包括不断产生的新词、中文词语的一词多义、自然语言的灵活性等问题.该文以期刊论文作为实验数据,研究中文文本分类问题,在传统卷积神经网络模型的基础上提出了一种基于卷积神经网络和支持向量机结合的文本分类模型CNNSVM(Convolutional Neural Network and Support Vector Machine Classifier).相较于传统方法,CNNSVM增加了注意力机制,简化了模型参数,并使用基于支持向量机的分类器替代传统模型中的softmax层帮助实现文本的分类.实验结果显示,该模型提升了特征词语的提取效果,有效解决了softmax层泛化能力较弱的问题.

关键词：自然语言处理、词频算法、中文文本分类、权重预处理、词密度权重

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省高校自然科学研究计划项目05KJD520146

在线出版日期：2022-08-01（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：22-27