文献类型：期刊文章

作　　者：许卓斌[1] 郑海山[1] 潘竹虹[1]

XU Zhuo-bin;ZHENG Hai-shan;PAN Zhu-hong(Information and Network Center,Xiamen Universit)

机构地区：[1]厦门大学信息与网络中心,福建厦门361005

出　　处：《计算机科学》

基　　金：赛尔网络下一代互联网技术创新项目(NGII20160410)资助

年　　份：2018

卷　　号：45

期　　号：6

起止页码：208-210

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：词的向量化表达是文本挖掘应用的必要前提。为了改善自编码器在词嵌入中的效果,提高文本分类的准确性,提出了一种改进的自编码器并将其用于文本分类。在传统自编码器的基础上,在隐藏层加入了一个全局调整函数,其将绝对值小的特征值调整到绝对值大的特征值上,实现了隐藏层特征向量的稀疏化。得到调整后的特征向量之后,采用全连接神经网络进行文本分类。在20news数据集上的实验结果表明,所提方法具有更好的词向量嵌入式效果,并且在文本分类中也具有更好的效果。

关 键 词：文本挖掘 自编码器  嵌入式向量  神经网络

分 类 号：TP391.4]