文献类型：期刊文章

作　　者：殷亚博[1] 杨文忠[1] 杨慧婷[1] 许超英[2]

YIN Yabo;YANG Wenzhong;YANG Huiting;XU Chaoying(College of Information Science and Engineering;School of Software,Xinjiang University,Urumqi 830046,China)

机构地区：[1]新疆大学信息科学与工程学院,乌鲁木齐830046 [2]新疆大学软件学院,乌鲁木齐830046

出　　处：《计算机工程》

基　　金：国家重点基础研究发展计划项目(2014CB340500);国家自然科学基金(U1603115;61262087)

年　　份：2018

卷　　号：44

期　　号：7

起止页码：193-198

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为解决传统基于TF-IDF的K最近邻(KNN)分类算法在短文本分类时,出现特征维度过高和数据稀疏的问题,基于卷积神经网络和KNN,提出一种新的短文本分类算法。通过采用神经网络语言模型word2vec对短文本进行词向量的训练,并用训练好的词向量表示文本,使用卷积神经网络对短文本进行抽象特征的提取,在提取出抽象特征的基础上,运用KNN分类器进行短文本分类。分别在短文本中句子数目为2、4、6、8的数据集上进行测试,结果表明,与基于TF-IDF的KNN分类算法相比,该算法在准确率、召回率和F1值上平均提高了10.2%、21.1%和15.5%。

关 键 词：社交网络 卷积神经网络 K最近邻  短文本  机器学习  深度学习  

分 类 号：TP391]