基于深度信念网络的文本分类算法① - 计算机系统应用.pdfVIP

2015 年 第 24 卷 第 2 期 计 算 机 系 统 应 用 ① 基于深度信念网络的文本分类算法 陈翠平 ( 同济大学 计算机软件与理论系, 上海 201804) 摘 要: 随着网络的迅猛发展, 文本分类成为处理和组织大量文档数据的关键技术. 目前已经有许多不同类型的 神经网络应用于文本分类, 并且取得良好的效果. 但是, 大部分模型仅采用文档的少量特征作为输入, 没有考虑 到足够的信息量; 而当考虑到足够的特征时, 又会发生维数灾难, 导致模型难以训练或者训练时间大幅增加. 利 用深度信念网络从文本中抽取特征, 并利用 softmax 回归分类器对抽取后的特征分类. 深度信念网络不仅具有强 大的学习能力, 同时还能从高维的原始特征中抽取低维度高度可区分的低维特征,