排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
文本分类一直是自然语言处理中一个备受关注的问题,在邮件分类、文件检索、用户情感识别等领域有着广阔的应用。同时人工智能飞速发展,卷积神经网络在图像识别领域取得了巨大的成功,本文则在传统方法基础上,将卷积神经网络应用在中文短文本分类任务中。与英文文本不同,中文文本文字连贯、搭配丰富,从而存在着文本的特征维度高,特征稀疏等问题。本文将卷积神经网络和Word2vec的Skip-gram方法结合,应用在短文本分类中。首先利用Skip-gram得到文本的词向量表示,然后用卷积神经网络从向量化的文本中提取特征,在用这些提取出来的特征进行文本分类。实验结果与传统机器学习方法相比较,获得了更高的准确性,验证了卷积神经网络在短文本分类中的有效性。 相似文献
1