基于Word2vec和LDA的卷积神经网络文本分类模型

• 作者: 吴龙峰
• 来源期刊: 电脑知识与技术
• 学科: 工学
• 关键词: 文本分类 Word2vec LDA CNN
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 203-204,206
• 页数: 3页
• 分类号: TP311
• 字数: 2762字
• 语种: 中文

摘要

针对短文本的文本分类出现的特征维度高和数据稀疏性的问题,本文提出了一种结合神经网络语言模型word2vec和文档主题模型LDA的文本特征表示模型,并使用表示矩阵模型,矩阵模型不仅可以有效地表示单词的语义特征,还可以表达上下文特征,增强模型的特征表达能力.将特征矩阵输入卷积神经网络(CNN)进行卷积池化,并进行文本分类实验.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴龙峰	安徽理工大学计算机科学与工程学院	3	1	1.0	1.0