面向文本分类的深度置信网络特征提取方法研究

• 作者: 易军凯 李辉 王超
• 来源期刊: 北京化工大学学报（自然科学版）
• 学科: 工学
• 关键词: 文本分类 深度学习 深度置信网络 词向量模型 特征提取
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 机电工程和信息科学
• 页码范围: 90-94
• 页数: 5页
• 分类号: TP391
• 字数: 3948字
• 语种: 中文
• DOI: 10.13543/j.bhxbzr.2018.03.014

摘要

在对文本分类领域发展现状进行研究的基础上,提出了一种面向文本分类的深度置信网络特征提取方法,通过引入词向量模型和深度置信网络解决传统文本分类方法在文本表示及特征提取方面存在的语义缺失问题,实验结果表明,该方法在文本分类中有更高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	易军凯	北京化工大学信息科学与技术学院	44	107	6.0	7.0
2	王超	北京化工大学信息科学与技术学院	11	69	3.0	8.0
3	李辉	北京化工大学信息科学与技术学院	24	119	7.0	10.0