基于卷积神经网络的职位描述文本分类方法

• 作者: 梁栋屹 陶宏曜
• 来源期刊: 软件
• 学科: 工学
• 关键词: 卷积神经网络 文本分类 深度学习
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 基金项目论文
• 页码范围: 30-34
• 页数: 5页
• 分类号: TP391.4
• 字数: 4411字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2017.06.006

摘要

针对现有基于机器学习的文本分类中由于数据噪点和特征不稀疏所导致学习精确度不高,深度不够等问题,本文提出了一种基于卷积升级网络的文本分类改进方法.首先利用一种新的TF-IDF统计法和Word2vec的skip-gram模型提取出描述文本的特征,然后通过卷积神经网络训练,得到更深层次的特征学习,最后使用softmax操作算出类别的概率分布,从而实现对职位描述文本的分类.实验结果表明,相比基于knn的传统分类方法,本文所设计的方法精确度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶宏曜	中南民族大学计算机科学学院	2	4	1.0	2.0
2	梁栋屹	中南民族大学计算机科学学院	2	4	1.0	2.0