基于卷积神经网络的网络文本分类(论文14000字)
摘要：由于网络的高速发展，现阶段各种类型的信息充斥的我们的生活，其中以微信、微博等社交平台尤为明显。随着大量的用户参与其中，这些平台上每天都有无数的短文本信息产生，例如说，聊天信息、用户评论，发表的观点等等。如此一来，对于这些信息中所表达的含义与对于这些信息的分类研究与汇总，对于政府部门的信息服务部门还是互联网服务提供商来说，都具有这非常重要的意义，由此可见，对于现代的数据时代背景下，文本分类技术的发展对人们情感语言的分析的效率更加重要，尤其是在2006年，深度学习概念的提出，在当时机器学习盛行的时代下，无异于在文本分类领域放下一颗炸弹，引爆了人们对于深度学习的研究，并取得非常广阔的前景与成就，这证明相比与传统的机器学习，深度学习能够更加的适应现代的自主学习，并能获得更加出色的性能。本文探索适合短文本数据的分析方法，并将深度学习中广泛应用的卷积神经网络模型应用于其中。
关键词:文本分类技术;深度学习;卷积神经网络模型;短文本分类技术
Network text classification based on convolutional neural network
Abstract:Due to the rapid development of the Internet, various types of information are flooding our life at the present stage, especially WeChat, weibo and other social platforms. With the participation of a large number of users, there are countless short text messages generated on these platforms every day, such as chat messages, user comments, opinions expressed and so on. Thus, for the information expressed in the meaning and to classify the information research and summary, for the government departments of information service department or Internet service providers, has the very vital significance, therefore, for modern data era background, the development of text classification technology on people's emotional language analysis efficiency is more important, especially in 2006, the concept of deep learning machine learning prevailing at the time, under the age of would be tantamount to put a bomb in the field of text classification, detonated in depth study of the research, and a very broad prospects and achievements, This proves that compared with traditional machine learning, deep learning is more adaptable to modern autonomous learning and can achieve better performance. This paper explores the analytical methods suitable for the data of short texts and applies the convolution neural network model widely used in deep learning to them.
Keywords:Text classification technology;deeplearning;convolutional neural network model;the classification technology of short texts
目录 III
第一章 绪论 1
1.1研究背景及意义 1
1.2国内外研究现状 1
第二章 文本分类研究 1
2.1文本分类简介 1
2.2中文分词技术 1
2.2.1 基于字符串的分词方法 1
2.2.2 基于理解的分词方法 2
2.2.3 基于统计的分词方法 2
2.2.4 基于规则的分词方法 2
2.3文本分类处理 3
2.3.1 文本预处理 3
2.3.2 文本特征提取 4
2.3.3 文本分类模型 4
第三章 卷积神经网络的研究 6
3.1 深度学习 6
3.2 卷积神经网络的特征 6
3.3 卷积神经网络的架构 7
3.3.1 卷积层 7
3.3.2 pooling层 7
3.3.3 全连接层 8
3.4 各层次结构之间的关系 8
第四章 基于卷积神经网络的网络文本分类研究分析 9
4.1 词嵌入层分析 9
4.2 卷积层和max-pooling层分析 10
4.3全连接层分析 11
4.4 dropout层分析 12
4.5 损失率与准确率分析 12
4.6 实验结果展示 12
第五章 总结与展望 15
5.1 总结 15
5.2展望 15
参考文献 17
致谢 19
|
