基于卷积神经网络的高精度文本分类方法

• 作者: 朱弘扬 葛天祎 马海斌
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 文本分类 卷积神经网络 Glove模型
• 年，卷（期）: 2019,（7X）
• 页码范围: 204-207
• 页数: 4页
• 分类号: TP391

摘要

本文给出了一种基于卷积神经网络的高精度文本分类方法,其思路是:读取数据集进行分词和停用词处理,将处理后的语料库送入统计共现矩阵,训练出词向量,进而保存向量矩阵,最后把矩阵向量集导入卷积神经网络进行分类处理得到预测结果。该方法包括五个步骤:步骤一,将源数据集预处理成为统一格式,再进行分词处理。步骤二,将数据集送入训练glove模型,保存模型;步骤三,将语句以词向量的矩阵形式保存为数据集;步骤四,将数据导入文本分类CNN模型训练;步骤五,用训练好的模型对数据进行分类并与标准进行比对。仿真结果表明,本文所给出的方法输出准确度高达99%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱弘扬	南京邮电大学电子与光学工程学院	2	0	0.0	0.0
2	马海斌	南京邮电大学电子与光学工程学院	2	0	0.0	0.0
3	葛天祎	南京邮电大学电子与光学工程学院	2	0	0.0	0.0