深度学习在文本挖掘中的应用研究应用数学专业论文.docxVIP

⑧ ⑧ 分类号Q2鱼 学校代码 lQ!圣鱼 I C S 学 号 垫12Q塑ZZ 篱=萋～茎 一号 萋 肉 蒙名民庆大学 硕士学位论文 深度学习在文本挖掘中的应用研究 Application of deep learning in Text Mining 申请人： 王郝日钦 学科专业： 应用数学 研究方向： 优化理论、方法及应用 学位类别： 学术学位 指导教师： 裴志利教授 论文提交日期：二。一五年五月 万方数据 摘 摘 要 21世纪的时代是信息的时代，随着计算机技术、数据存贮技术日新月异的发展和 改进，应用领域也得到了快速扩展，世界也随着信息的大量涌入而发生着天翻地覆的 变化，文本数据资源正以指数级的速度增长着．对于许多用户来说面对如此大量的文 本信息，但知识却相对贫乏的现象，人们从大量的信息中获取有意义的、相关性强、 具有针对性的知识变得困难，所以将文本信息按照某些主题分类是一个迫切需要解决 的问题，也是文本数据存储发展的必经之路． 从文本挖掘由美国学者H．P．Luhn教授在1957年第一次被提出来以来，现今文本 挖掘已经成为数据挖掘领域非常重要的一个分支，它已经广泛的应用在搜索引擎等领 域。文本挖掘中特征选择这一过程，可以理解为是一个通过降低了特征空间的维数， 从而来实现提高分类算法精度的重要的过程．因此寻找优秀的特征选择方法来对特征 空间进行降维，现如今己是一个非常有实际价值的研究课题．下面是本文所做的主要 工作： 首先，对文本挖掘的相关技术：文本挖掘的定义和过程，文本挖掘预处理，常用 的文本分类器进行了介绍分析，也介绍了分类结果的评判标准和常用的语料数据集， 在后续试验中应用这些技术将文本数据转换成计算机可处理的数据结果．并且介绍了 深度学习的产生发展经历及其常用的深度学习算法． 其次，提出了基于多个自动编码器(Autoencoder)的文本分类方案，并与单个 AE进行分类的方案进行了理论分析，进行了相应范围内的实验，给出了对比分析． 最后，提出了基于RBM的文本分类方法，进行了相应范围内的实验，给出了基 于RBM算法的文本分类方法精确度与基于KNN算法的文本分类方法精确度的对比分 析结果和结论． 关键词：文本分类；深度学习；文本特征；特征提取；自编码器网络 万方数据 Feature Feature Selection Methods in Text Mining Abstract The twenty—first Century is the age of digital information．With the rapid development of computer technology and data storage technology，applications have been rapidly gaining， text data resources is growing at an exponential pace．For user，facing such massive text messages with poor knowledge，it is difficult to obtain full meaning and high relevant information．Text classification accordance with the contents or theme is an urgent problem to be solved，but also the only way for the development of text data stored．From the text classification has been proposed by American scholar Professor H．P．Luhn in 1 957 for the first time，the text categorization has become a very important branch of data mining．It has been well applied in the search engine field．In text classification，feature selection is a very important process to reduce the dimension of the feature space and improve the classification accuracy．So finding a good feature selection method to reduce the dimensionality o