共 6 条
基于深度信念网络的文本分类算法
被引：42
作者：
陈翠平
机构：
[1] 同济大学计算机软件与理论系
来源：
关键词：
文本分类;
受限玻尔兹曼机;
深度信念网络;
softmax回归分类器;
文本特征.;
D O I：
暂无
中图分类号：
TP391.1 [文字信息处理];
学科分类号：
081203 ;
0835 ;
摘要：
随着网络的迅猛发展,文本分类成为处理和组织大量文档数据的关键技术.目前已经有许多不同类型的神经网络应用于文本分类,并且取得良好的效果.但是,大部分模型仅采用文档的少量特征作为输入,没有考虑到足够的信息量;而当考虑到足够的特征时,又会发生维数灾难,导致模型难以训练或者训练时间大幅增加.利用深度信念网络从文本中抽取特征,并利用softmax回归分类器对抽取后的特征分类.深度信念网络不仅具有强大的学习能力,同时还能从高维的原始特征中抽取低维度高度可区分的低维特征,因此利用深度信念网络来对文本分类,不仅能够考虑到文档的足够的信息量,而且能够快速的训练.并且实验结果也表明利用深度信念网络实现文本分类的性能很好.
引用
收藏
页码：121 / 126
页数：6
相关论文