深度學(xué)習(xí)在文本挖掘中的應(yīng)用研究.pdf

1、21世紀(jì)的時代是信息的時代，隨著計算機技術(shù)、數(shù)據(jù)存貯技術(shù)日新月異的發(fā)展和改進(jìn)，應(yīng)用領(lǐng)域也得到了快速擴展，世界也隨著信息的大量涌入而發(fā)生著天翻地覆的變化，文本數(shù)據(jù)資源正以指數(shù)級的速度增長著.對于許多用戶來說面對如此大量的文本信息，但知識卻相對貧乏的現(xiàn)象，人們從大量的信息中獲取有意義的、相關(guān)性強、具有針對性的知識變得困難，所以將文本信息按照某些主題分類是一個迫切需要解決的問題，也是文本數(shù)據(jù)存儲發(fā)展的必經(jīng)之路。從文本挖掘由美國學(xué)者H.P.Lu

2、hn教授在1957年第一次被提出來以來，現(xiàn)今文本挖掘已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域非常重要的一個分支，它已經(jīng)廣泛的應(yīng)用在搜索引擎等領(lǐng)域。文本挖掘中特征選擇這一過程，可以理解為是一個通過降低了特征空間的維數(shù)，從而來實現(xiàn)提高分類算法精度的重要的過程.因此尋找優(yōu)秀的特征選擇方法來對特征空間進(jìn)行降維，現(xiàn)如今已是一個非常有實際價值的研究課題。
　　本文首先對文本挖掘的相關(guān)技術(shù)，文本挖掘的定義和過程，文本挖掘預(yù)處理，常用的文本分類器進(jìn)行了介紹分析，也介

3、紹了分類結(jié)果的評判標(biāo)準(zhǔn)和常用的語料數(shù)據(jù)集，在后續(xù)試驗中應(yīng)用這些技術(shù)將文本數(shù)據(jù)轉(zhuǎn)換成計算機可處理的數(shù)據(jù)結(jié)果.并且介紹了深度學(xué)習(xí)的產(chǎn)生發(fā)展經(jīng)歷及其常用的深度學(xué)習(xí)算法。其次，提出了基于多個自動編碼器(Autoencoder)的文本分類方案，并與單個AE進(jìn)行分類的方案進(jìn)行了理論分析，進(jìn)行了相應(yīng)范圍內(nèi)的實驗，給出了對比分析.最后，提出了基于RBM的文本分類方法，進(jìn)行了相應(yīng)范圍內(nèi)的實驗，給出了基于RBM算法的文本分類方法精確度與基于KNN算法的文本