基于混合优化的双模深度学习文本分类方法

摘要：

为解决文本分类中分类精度低的问题,提出一种混合优化的双模深度学习文本分类方法.该方法设计了一种混合优化算法,对深度学习模型进行权值调优,得到相关度高的特征和高性能文本分类结果.首先对文档进行预处理得到特征集合,设计了基于乌鸦搜索算法(CSA)和蝗虫优化算法(GOA)的混合优化算法,并使用双向门控循环单元(GRU)进行特征选择,得到具有上下文语义信息且相关的特征.最后,将最优特征输入到混合优化的深度置信网络(DBN)中得到文本分类结果.

关键词：文本分类、混合优化算法、深度学习、双向门控循环单元、深度置信网络

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：四川省电子商务与现代物流研究中心项目;成都市哲学社会科学重点研究基地课题

在线出版日期：2022-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：234-242