基于深度神经网络的新闻文本分类研究.pdf

本科毕业设计 (论文) GRADUATION DESIGN(THESIS) 基于深度神经网络的新闻文 题目： 本分类研究 学生姓名： 姓名 指导教师： 学院： 计算机院 专业班级： 计算机科学与技术 1801 本科生院制 2022 年 6 月 基于深度神经网络的新闻文本分类研究 基于深度神经网络的新闻文本分类研究 摘要 随着互联网新技术的快速蓬勃发展，新闻网站和网络媒体平台成为新闻传 播事业极其重要的组成部分,网络新闻已是人们最主要的讯息来源之一。为了满 足大量网络新闻读者用户的需求,保证内容平台发布个性化推荐新闻的高效率有, 效地管理和利用网络新闻数据成为了当今新闻平台的迫切需要。在此基础上,本 文对网络新闻文本分类开展了算法的研究和系统的实现, 目标是建立一个分类 精度高的网络新闻文本分类模型。本文所做的工作主要包括以下几个部分： （1）文本分类算法的所得结果很大程度上受到文本特征的表示方式的影 响。word2vec 词向量可用于表示文本，能够基于分布式表示将词语映射成为 n 维空间中稠密的实数向量,再通过计算矢量之间的余弦距离,即可测量词之间的 意义相关性。本文采用词向量来代替深度学习网络模型输入层较为常见的 one- hot 向量。 （2 ）基于python 语言，使用 pytorch 深度学习框架，在完成对词的特征表 示后，分别构建 RNN 和 CNN 神经网络模型，并进行文本分类任务。在 CNN 中使用不同尺寸的卷积核来提取文本含义的深层特征。实验结果表明，本模型 的精度、召回率、F1 值分别达到 96.4%、95.9%、96.2% 。本文所应用的CNN、 RNN 模型可以通过特定的分层结构从文本的浅层意义特征中提取深层特征,可 以构建起高效的新闻文本分类模型。 关键词：新闻文本分类;深度学习 长短期记忆（LSTM ）网络 卷积神经网 络 基于深度神经网络的新闻文本分类研究 Research on news text classification based on deep neural network ABSTRACT In order to meet the needs of a large number of online news readers and users, to ensure the high efficiency of the content platform to publish personalized recommended news, and to effectively manage and utilize online news data, it has become an urgent need for todays news platforms. On this basis, this paper researches and implements the algorithm of network news text classification, and the goal is to establish a network news text classification model with high classification accuracy. The work done in this paper mainly includes the fo