基于自編碼的神經(jīng)網(wǎng)絡(luò)文本特征選擇的研究.pdf_第1頁
已閱讀1頁,還剩57頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、基于自編碼神經(jīng)網(wǎng)絡(luò)文本特征提取,主要目的是對當(dāng)前文本挖掘的效率進(jìn)行提升。由于現(xiàn)在網(wǎng)絡(luò)的高速發(fā)展,大量的信息尤其是文本為主的信息在網(wǎng)絡(luò)中大量傳播,使得原有的文本挖掘技術(shù)缺陷暴露出來。對大量的文本數(shù)據(jù),自編碼神經(jīng)網(wǎng)絡(luò)可以對大量的文本特征進(jìn)行降維,在不損害其準(zhǔn)確率的情況下,提升速度。以此滿足現(xiàn)代網(wǎng)絡(luò)的高效率。
  本文選用自編碼神經(jīng)網(wǎng)絡(luò)的方法是基于深度學(xué)習(xí)算法中的一種,他開創(chuàng)了機(jī)器學(xué)習(xí)研究中一個新的方向。深度學(xué)習(xí)的理念來自于人工神經(jīng)網(wǎng)絡(luò)

2、的研究,它是具有多層感知器的結(jié)構(gòu)。深度學(xué)習(xí)通過低層特征的組合來合成更抽象的高層特征,目的是用來發(fā)現(xiàn)數(shù)據(jù)的分布式特征。自編碼神經(jīng)網(wǎng)絡(luò)的輸出節(jié)點與輸入節(jié)點相等以及隱藏層的節(jié)點數(shù)小于輸入輸出節(jié)點數(shù)的兩個主要特點,實現(xiàn)了文本特征降維,降低了空間復(fù)雜度的計算量。通過這樣的方法,實現(xiàn)了自編碼神經(jīng)網(wǎng)絡(luò)對空間向量的高效計算。
  本文以50組內(nèi)容相近的信息為例(每一組的信息內(nèi)容不會超過30個漢字)進(jìn)行編碼,將漢字轉(zhuǎn)變?yōu)樽中吸c陣碼,結(jié)合可視化技術(shù),

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論