结合神经网络的文本降维方法

• 作者: 谢晟祎 陈新元
• 来源期刊: 福建轻纺
• 学科: 工学
• 关键词: 文本表示模型 特征矩阵 降维 聚类 神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 论文
• 页码范围: 26-28
• 页数: 3页
• 分类号: TP391.1
• 字数: 2130字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-550X.2020.03.001

摘要

传统文本表示模型多为稀疏矩阵,文本规模的增长导致维度灾难.文中提出一种结合神经网络的文本降维方法,利用随机映射、非负矩阵分解、隐含语义分析等方法实现文本降维,使用自建微博文本数据集比较其效率和准确率,并在最优降维方案的基础上使用自组织神经网络算法进行聚类.实验结果表明,该方案准确率相比传统不降维的K-means聚类方法有一定提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢晟祎	福建农业职业技术学院实验实训中心	7	13	3.0	3.0
2	陈新元	福州墨尔本理工职业学院信息工程系	4	0	0.0	0.0