典型文献
基于PCA-CNN的动态短文本分析研究
文献摘要：
动态短文本分析研究旨在反馈用户关注内容发展的最新状况,使用户在海量碎片化文本信息中快速获取目标主流信息,提升用户生活效率,打造阅读新体验.利用网络爬虫技术获取大量微博实时数据,构建文本特征,融合PCA算法的高维度特征矩阵降维及卷积神经网络短文本语义及情感分析,提出PCA-CNN模型.该PCA-CNN模型运行速度快,小巧灵活,且模型准确度达到86.85％,提升对于短文本关键信息的提取效率,弥补前后文之间情感联系较弱的缺点,改进卷积神经网络在中文短文本中的应用情况,为获取信息提供更便捷的方法.
文献关键词：
自然语言处理;网络爬虫技术;PCA降维;卷积神经网络
中图分类号：
作者姓名：
林寒冰;金秀玲;王婷;林云霞
作者机构：
闽江学院 数学与数据科学学院(软件学院),福建 福州 350108
文献出处：
引用格式：
[1]林寒冰;金秀玲;王婷;林云霞-.基于PCA-CNN的动态短文本分析研究)[J].科技创新与应用,2022(11):44-48,52
A类：
B类：
短文本,文本信息,流信息,新体验,利用网络,网络爬虫技术,技术获取,微博,实时数据,建文,文本特征,高维度,维度特征,特征矩阵,矩阵降维,文本语义,情感分析,运行速度,小巧,关键信息,提取效率,前后文,改进卷积神经网络,获取信息,更便,自然语言处理
AB值：
0.340882
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。
