摘要：【目的】借助深度学习理论,解决传统特征选择方法容易导致特征项不明确、分类精度下降的问题。【方法】对中文新闻文本进行分类时,使用降噪自动编码器构建一个深层网络来学习对文本的压缩及分布式的表示,并在网络最后一层采用SVM算法将其分类到具体的类别中去。【结果】随着样本数目的增大,分类准确率、召回率和F值都在上升,且比KNN算法、BP算法和SVM算法取得了更优的分类效果,平均分类准确率达到95%以上。【局限】数据量依然较小,且并没有完全发挥深度学习并行处理大容量数据的优势。【结论】该方法能提高特征项提取的准确性,并能提高分类效果。
分类：期刊> 自然科学与工程技术> 信息科技> 计算机软件及计算机应用
收录：CSSCI 南大期刊(含扩展版) > 北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：降噪自动编码器 支持向量机 特征提取 文本分类
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
