基于改进BP神经网络的学术活动文本分类

• 作者: 吕学强 周建设 夏红科 李红莲 田欢
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 文本分类 TF-IDF算法 特征提取 BP神经网络
• 年，卷（期）: 2018,（5）
• 页码范围: 38-44
• 页数: 7页
• 分类号: TP391
• 字数: 5133字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2018.05.008

摘要

网站已成为高校发布学术活动通知的主要平台,能否从中准确抽取相关信息并进行分类,直接影响着办公自动化的效率.为了实现文本分类,采用向量空间模型(VSM)描述文本,利用一种改进的TF-IDF算法设置文本向量特征权重,并通过优化的互信息算法来实现文本特征提取与降维,改善了分类模型的向量输入.最后在构造BP神经网络文本分类器时,通过激活函数的选择、参数的初始值设置以及动量因子的引入对其进行改进.实验结果表明,改进后的方法在分类精度上有明显的提高,利用该方法可以较好地进行学术活动的文本分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李红莲	北京信息科技大学信息与通信工程学院	30	188	5.0	13.0
2	吕学强	北京信息科技大学网络文化与数字传播北京市重点实验室	146	1187	15.0	30.0
3	周建设	首都师范大学北京成像技术高精尖创新中心	35	156	7.0	11.0
4	夏红科	北京信息科技大学计算机学院	24	64	4.0	7.0
5	田欢	北京信息科技大学信息与通信工程学院	1	4	1.0	1.0