基于自动编码器的短文本特征提取和聚类研究.pdfVIP

北京大学学报(自然科学版) 第 51卷 第 2期 2015年3月 AetaScientiarumNaturaliumUniversitatisPekinensis，Vo1．51，No．2(Mar．2015) doi：10．13209~．0479-8023．2015．040 基于 自动编码器的短文本特征提取及聚类研究 刘勘 袁蕴英 中南财经政法大学信息与安全工程学院，武汉 430074；十E-mail：liukan@znufe．edu．cn 摘要 针对短文本的特点，提出一种基于深层噪音 自动编码器的特征提取及聚类算法。该算法利用深度学习 网络，将高维、稀疏的短文本空间向量变换到新的低维、本质特征空问。首先在 自动编码器的基础上，引入 Ll范式惩罚项来避免模型过分拟合，然后添加噪音项以提高算法的鲁棒性 。实验结果表明，将提取 的文本 特征应用于短文本聚类，显著提高了聚类的效果，有效地解决了短文本空间向量的高维 、稀疏问题。 关键词 深度学习；自动编码器；特征提取；聚类 中图分类号 TP391 ShortTextsFeatureExtractionandClusteringBasedonAuto