基于卷积神经网络和KNN的短文本分类算法研究

• 作者: 杨慧婷 杨文忠 殷亚博 许超英
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 社交网络 卷积神经网络 K最近邻 短文本 机器学习 深度学习
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 193-198
• 页数: 6页
• 分类号: TP391
• 字数: 5382字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0047596

摘要

为解决传统基于TF-IDF的K最近邻(KNN)分类算法在短文本分类时,出现特征维度过高和数据稀疏的问题,基于卷积神经网络和KNN,提出一种新的短文本分类算法.通过采用神经网络语言模型word2vec对短文本进行词向量的训练,并用训练好的词向量表示文本,使用卷积神经网络对短文本进行抽象特征的提取,在提取出抽象特征的基础上,运用KNN分类器进行短文本分类.分别在短文本中句子数目为2、4、6、8的数据集上进行测试,结果表明,与基于TF-IDF的KNN分类算法相比,该算法在准确率、召回率和FI值上平均提高了10.2％、21.1％和15.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨文忠	新疆大学信息科学与工程学院	68	208	7.0	12.0
2	殷亚博	新疆大学信息科学与工程学院	6	47	3.0	6.0
3	杨慧婷	新疆大学信息科学与工程学院	4	45	3.0	4.0
4	许超英	新疆大学软件学院	4	46	3.0	4.0