基于卷積神經(jīng)網(wǎng)絡的互聯(lián)網(wǎng)短文分類方法研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，以微信、QQ、貼吧、博客、微博等為主要代表的新型社交媒介的使用，使人類活動已經(jīng)離不開虛擬世界網(wǎng)絡環(huán)境?；ヂ?lián)網(wǎng)短文作為這些社交媒介產(chǎn)生數(shù)據(jù)的主要表現(xiàn)形式，如何從其中獲取有效信息且掌控其信息熱點是自然語言處理研究的重點內(nèi)容。而文本分類技術(shù)作為信息獲取的主要方式之一，在文本信息處理中有著重要的地位。
　　在過去幾年中，深度學習在圖像處理、語音識別方面取得了很好效果，但在文本信息處理方面應用較少。因此，本文以互聯(lián)網(wǎng)短

2、文分類為應用背景，使用深度學習的卷積神經(jīng)網(wǎng)絡方法進行了分類研究。具體研究內(nèi)容如下：
　　（1）針對中文互聯(lián)網(wǎng)短文特點，提出了一種基于卷積神經(jīng)網(wǎng)絡的互聯(lián)網(wǎng)短文分類方法，該方法由數(shù)據(jù)預處理、特征處理、分類識別等模塊組成。首先在數(shù)據(jù)預處理模塊中，本文對分詞、去噪聲進行了優(yōu)化，并使用Word2vec詞向量和TF-IDF值構(gòu)造文本特征矩陣。接著在特征處理模塊中，使用了不同池化的不同類型的卷積神經(jīng)網(wǎng)絡處理文本低級特征。最后在分類識別模塊中，使

3、用softmax函數(shù)進行了文本分類識別操作。通過實驗表明，使用Word2vec詞向量和TF-IDF值末尾疊加方式構(gòu)造文本特征矩陣，在最大池化下的動態(tài)卷積神經(jīng)網(wǎng)絡對該矩陣進行處理，可以得到比較好的互聯(lián)網(wǎng)短文分類效果。
　?。?）使用上述卷積神經(jīng)網(wǎng)絡的分類方法與KNN、SVM、DBN等文本分類方法進行互聯(lián)網(wǎng)短文的兩級分類實驗。在建立一個有效的類別體系之后，抓取整理符合實驗要求的數(shù)據(jù)。在相同的數(shù)據(jù)條件下，通過互聯(lián)網(wǎng)短文本的兩級分類實驗，