典型文献
基于深度学习和支持向量机的文本分类模型
文献摘要：
NLP(Natural Language Processing,自然语言处理)是人工智能领域的一个主要研究方向,而文本分类是NLP处理技术的重要分支.自然语言处理使计算机、手机等电子设备能够具有识别理解人类语言的能力,由于其自身的复杂性,目前仍有许多技术难点没有被完全攻克,主要包括不断产生的新词、中文词语的一词多义、自然语言的灵活性等问题.该文以期刊论文作为实验数据,研究中文文本分类问题,在传统卷积神经网络模型的基础上提出了一种基于卷积神经网络和支持向量机结合的文本分类模型CNNSVM(Convolutional Neural Network and Support Vector Machine Classifier).相较于传统方法,CNNSVM增加了注意力机制,简化了模型参数,并使用基于支持向量机的分类器替代传统模型中的softmax层帮助实现文本的分类.实验结果显示,该模型提升了特征词语的提取效果,有效解决了softmax层泛化能力较弱的问题.
文献关键词：
自然语言处理;词频算法;中文文本分类;权重预处理;词密度权重
中图分类号：
作者姓名：
何铠;管有庆;龚锐
作者机构：
南京邮电大学 物联网学院,江苏 南京 210003
文献出处：
引用格式：
[1]何铠;管有庆;龚锐-.基于深度学习和支持向量机的文本分类模型)[J].计算机技术与发展,2022(07):22-27
A类：
CNNSVM,词频算法,权重预处理,词密度权重
B类：
分类模型,NLP,Natural,Language,Processing,自然语言处理,人工智能领域,电子设备,别理,解人,多技术,技术难点,全攻,攻克,新词,文词,词语,一词多义,期刊论文,中文文本分类,分类问题,卷积神经网络模型,Convolutional,Neural,Network,Support,Vector,Machine,Classifier,注意力机制,分类器,传统模型,softmax,特征词,提取效果,泛化能力
AB值：
0.344696
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。
