BiGRU-CapsNet文本分类模型研究

发布时间：2021-07-18 07:11

　　文本分类是文本挖掘中非常重要的环节,在人工智能时代有着巨大作用。对于文本分类,传统方法以人工提取特征的机器学习模型为主,但随着神经网络结构的不断发展,深度学习在语言、图像等领域取得巨大突破,其特征表示能力远超传统方法。本文以提高文本分类模型的分类性能为目标,详细介绍基于传统机器学习算法的文本分类一般流程,以及常用的文本表示方法和文本分类性能评估。本文主要利用深度学习模型进行文本分类的研究,相关内容如下:（1）TextCNN和双向门限循环单元网络（Bidirectional Gated Recurrent Unit Network,BiGRU）模型。这两种模型可在原始文本输入的基础上更好的实现端到端分类,从而可避免手工设计特征等问题。经特定数据集验证后,相对于κ近邻、支持向量机、逻辑斯蒂回归和朴素贝叶斯等传统模型,本文运用的TextCNN和BiGRU模型可以有效提高准确率和AUC值。（2）基于胶囊神经网络（Capsule Neural Network,CapsNet）和BiGRU的混合文本分类模型BiGRU-CapsNet。CapsNet在图像领域具有较好的分类效果,但在文本分类领域应用... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图２．１文本分类的一般步骤??

cBow和sldP.gram网络结构

滋卷积计算过程示意图

【参考文献】：
博士论文
[1]文本分类及其相关技术研究[D]. 李荣陆.复旦大学 2005

硕士论文
[1]基于卷积神经网络的新闻文本分类问题研究[D]. 齐凯凡.西安理工大学 2018
[2]深度特征学习在句子文本分类中的研究及应用[D]. 王茂全.华东师范大学 2018
[3]基于集成学习的文本分类方法研究[D]. 李鹏鹏.西安工业大学 2018
[4]基于word2vec和卷积神经网络的文本分类研究[D]. 李林.西南大学 2018
[5]基于FastText的长文本快速精确分类算法研究[D]. 李泽龙.浙江大学 2018
[6]基于卷积神经网络的文本分类方法研究[D]. 孙璇.上海师范大学 2018
[7]基于KNN的文本分类特征选择与分类算法的研究与改进[D]. 黄娟娟.厦门大学 2014



本文编号：3289104