典型文献
基于改进的卷积神经网络邮件分类算法研究
文献摘要：
针对传统文本分类方法中出现的维度过高和数据稀疏问题,通过对卷积神经网络(Convolutional Neural Network,CNN)和inception V1模型的深入研究,将两个模型融合起来,提出了一种基于i-CNN模型的邮件分类方法;在卷积、池化操作中加入了1×1卷积核降低特征向量的厚度,减少了参数,提高了计算性能;通过数据验证,i-CNN模型对邮件的分类结果高达92.18％,在对比实验中,i-CNN模型相对于几种机器学习分类模型,取得了最高的分类精准率,在有无inception结构模型对比中,i-CNN模型精准率高于CNN模型;说明该模型具有较好的分类效果,且inception V1模型的融入能提高文本分类的准确率.
文献关键词：
文本分类;卷积神经网络;inception V1;word2vec
中图分类号：
作者姓名：
宋丹;陆奎;戴旭凡
作者机构：
安徽理工大学 计算机科学与工程学院,安徽 淮南232001;安徽理工大学 电气与信息工程学院,安徽 淮南232001
文献出处：
引用格式：
[1]宋丹;陆奎;戴旭凡-.基于改进的卷积神经网络邮件分类算法研究)[J].重庆工商大学学报（自然科学版）,2022(03):20-25
A类：
B类：
邮件,分类算法,算法研究,文本分类方法,数据稀疏,Convolutional,Neural,Network,inception,V1,模型融合,池化操作,卷积核,特征向量,数据验证,分类模型,模型对比,分类效果,word2vec
AB值：
0.322567
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
