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(shí)代下的一種關(guān)鍵技術(shù)。文本信息中包含著大量的有價(jià)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(jià)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(xiě)體識(shí)別、圖像識(shí)別以及語(yǔ)音識(shí)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(jì)

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(dòng)編碼器和深度置信網(wǎng)絡(luò)兩種常見(jiàn)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(dòng)編碼器來(lái)構(gòu)造，中間使用一個(gè)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(cè)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(yǔ)料庫(kù)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