基于自編碼的神經(jīng)網(wǎng)絡(luò)文本特征選擇的研究.pdf

1、基于自編碼神經(jīng)網(wǎng)絡(luò)文本特征提取，主要目的是對(duì)當(dāng)前文本挖掘的效率進(jìn)行提升。由于現(xiàn)在網(wǎng)絡(luò)的高速發(fā)展，大量的信息尤其是文本為主的信息在網(wǎng)絡(luò)中大量傳播，使得原有的文本挖掘技術(shù)缺陷暴露出來(lái)。對(duì)大量的文本數(shù)據(jù)，自編碼神經(jīng)網(wǎng)絡(luò)可以對(duì)大量的文本特征進(jìn)行降維，在不損害其準(zhǔn)確率的情況下，提升速度。以此滿足現(xiàn)代網(wǎng)絡(luò)的高效率。
　　本文選用自編碼神經(jīng)網(wǎng)絡(luò)的方法是基于深度學(xué)習(xí)算法中的一種，他開創(chuàng)了機(jī)器學(xué)習(xí)研究中一個(gè)新的方向。深度學(xué)習(xí)的理念來(lái)自于人工神經(jīng)網(wǎng)絡(luò)

2、的研究，它是具有多層感知器的結(jié)構(gòu)。深度學(xué)習(xí)通過(guò)低層特征的組合來(lái)合成更抽象的高層特征，目的是用來(lái)發(fā)現(xiàn)數(shù)據(jù)的分布式特征。自編碼神經(jīng)網(wǎng)絡(luò)的輸出節(jié)點(diǎn)與輸入節(jié)點(diǎn)相等以及隱藏層的節(jié)點(diǎn)數(shù)小于輸入輸出節(jié)點(diǎn)數(shù)的兩個(gè)主要特點(diǎn)，實(shí)現(xiàn)了文本特征降維，降低了空間復(fù)雜度的計(jì)算量。通過(guò)這樣的方法，實(shí)現(xiàn)了自編碼神經(jīng)網(wǎng)絡(luò)對(duì)空間向量的高效計(jì)算。
　　本文以50組內(nèi)容相近的信息為例（每一組的信息內(nèi)容不會(huì)超過(guò)30個(gè)漢字）進(jìn)行編碼，將漢字轉(zhuǎn)變?yōu)樽中吸c(diǎn)陣碼，結(jié)合可視化技術(shù)，