文本卷积神经网络模型在短文本多分类中的应用

• 作者: 冯梦莹 李红
• 来源期刊: 金融科技时代
• 关键词: 卷积神经网络 TextCNN 文本分类 文本挖掘
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 技术应用
• 页码范围: 38-42
• 页数: 5页
• 字数: 4203字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0799.2020.01.009

摘要

互联网技术的蓬勃发展使人们获取信息的方式发生了深刻的变革,同时也使得互联网上的信息出现爆炸式增长.如何快速、准确地获得有用的信息及隐藏在信息中的知识,是当下人们的迫切需求.文本是互联网信息中最重要的数据类型之一,因此,文本挖掘已经成为数据挖掘中一个极为重要和繁荣的子领域.本文研究了通过文本卷积神经网络模型实现的互联网短文本多分类,对比了卷积神经网络模型与统计学模型朴素贝叶斯的效果差异,比较了不同词向量化方式对模型效果的影响,以及不同文本预处理方式对模型效果的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯梦莹		1	0	0.0	0.0
2	李红		1	0	0.0	0.0