深层自动编码机的文本分类算法改进

• 作者: 胡侯立 谢青松 魏维
• 来源期刊: 计算机应用研究
• 关键词: 自动编码机 无监督学习 深层原型自动编码机 原型分类器
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 992-995
• 页数: 4页
• 分类号: TP391.1|TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.04.007

摘要

自动编码机作为一种新兴的深层神经网络学习算法,在高维数据的降维和图像重构中取得了很好的效果.针对该方法在文本分类中重构出大量的对学习没有帮助的含噪数据,提出一种利用原型数据监督学习的改进模型,称做深层原型自动编码机,该方法改善了无监督学习的不足.并且,通过建立多个实例对应一个原型模型,可以大大降低算法对于原型数量的需求,提升了算法的运行效率,而且更加有利于原型学习在多种不同的数据上展开.实验证明该方法可以增加文本分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏维		13	99	5.0	9.0
2	谢青松		18	35	4.0	5.0
3	胡侯立		2	36	2.0	2.0