基于改进自编码器的文本分类算法

• 作者: 潘竹虹 许卓斌 郑海山
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 文本挖掘 自编码器 嵌入式向量 神经网络
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 208-210,240
• 页数: 4页
• 分类号: TP391.4
• 字数: 3141字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.06.037

摘要

词的向量化表达是文本挖掘应用的必要前提.为了改善自编码器在词嵌入中的效果,提高文本分类的准确性,提出了一种改进的自编码器并将其用于文本分类.在传统自编码器的基础上,在隐藏层加入了一个全局调整函数,其将绝对值小的特征值调整到绝对值大的特征值上,实现了隐藏层特征向量的稀疏化.得到调整后的特征向量之后,采用全连接神经网络进行文本分类.在20news数据集上的实验结果表明,所提方法具有更好的词向量嵌入式效果,并且在文本分类中也具有更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑海山	厦门大学信息与网络中心	15	18	3.0	3.0
2	许卓斌	厦门大学信息与网络中心	10	22	4.0	4.0
3	潘竹虹	厦门大学信息与网络中心	3	8	2.0	2.0