基于VAE-DBN双模型的智能文本分类方法

• 作者: 王玮
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 变分自编码器 深度置信网络 文本分类
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 77-84,105
• 页数: 9页
• 分类号: TP391
• 字数: 5983字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.12.015

摘要

文本分类技术是信息过滤、搜索引擎等领域的基础,是当下研究热点之一.本文在介绍文本分类相关概念、深度学习相关模型的基础上,通过分析传统文本分类方法存在的不足,提出基于变分自编码器模型和深度置信网络模型(VAE-DBN)的双模型融合的文本分类方法.通过在相关语料集上的对比验证,表明该双模型方法能有效提高文本分类的准确性.