基于深度學(xué)習(xí)混合模型的文本分類研究.pdf

1、互聯(lián)網(wǎng)的飛速發(fā)展使得文本分類成為大數(shù)據(jù)時代下的一種關(guān)鍵技術(shù)。文本信息中包含著大量的有價值信息，如何有效的管理這些文本信息并且有效的獲取有價值的信息成為信息科學(xué)面臨的挑戰(zhàn)。文本分類是文本信息處理當(dāng)中的關(guān)鍵點(diǎn)，在文本信息處理中有著重要地位。
　　目前深度學(xué)習(xí)已廣泛應(yīng)用與手寫體識別、圖像識別以及語音識別等各種領(lǐng)域，但是應(yīng)用于文本分類方面的研究仍然比較少。本文充分利用了深度學(xué)習(xí)良好的學(xué)習(xí)特征能力，提出了一種基于深度學(xué)習(xí)的混合模型，并且設(shè)計

2、出一種基于該混合模型的文本分類器。該混合模型使用了稀疏自動編碼器和深度置信網(wǎng)絡(luò)兩種常見的深度學(xué)習(xí)模型進(jìn)行混合?；旌夏Ｐ椭饕扇糠纸M成，前兩層使用稀疏自動編碼器來構(gòu)造，中間使用一個三層的深度置信網(wǎng)絡(luò)，最后用Softmax回歸作為分類層。
　　為了測試本文基于深度學(xué)習(xí)混合模型的分類器的分類性能，分別在英文數(shù)據(jù)集20Newsgroup和中文數(shù)據(jù)集復(fù)旦大學(xué)中文語料庫上進(jìn)行了相關(guān)實(shí)驗(yàn)。在英文文本分類實(shí)驗(yàn)中，使用基于深度學(xué)習(xí)混合模型的分類器