發(fā)布時間：2021-07-21 04:55

　　隨著互聯(lián)網(wǎng)爆炸式的發(fā)展,各領(lǐng)域信息化產(chǎn)生了大量文本數(shù)據(jù),但是如何將這些數(shù)據(jù)充分利用起來,是目前待解決的問題。大量的信息缺乏歸類整理,為信息的使用者帶來了困難,因此需要良好的文本分類技術(shù)對這些信息進行理解和整理。這也是文本分類目前依舊是自然語言處理領(lǐng)域的熱門研究課題之一的原因。當(dāng)前已有的文本分類模型普遍存在分類準(zhǔn)確度不高的問題,導(dǎo)致信息的使用者無法準(zhǔn)確定位到所需要的文本。因此如何提升文本分類準(zhǔn)確率是文本分類研究的重點。此外,在提高準(zhǔn)確率的同時,也需要兼顧模型的訓(xùn)練耗時,這樣模型才有應(yīng)用的價值。為了解決這些問題,本文調(diào)研了該領(lǐng)域國內(nèi)外相關(guān)研究的最新進展,深入分析各文本分類方法的優(yōu)點和缺陷�；诂F(xiàn)有的研究,提出了Topic Character CNN（TC-CNN）和Topic Character CNN GRU（TC-CNN-GRU）文本分類模型。TC-CNN和TC-CNNGRU通過結(jié)合文本的字符特征和主題特征,使得文本特征信息更加豐富,提升了文本分類準(zhǔn)確率。TC-CNN-GRU在TC-CNN的基礎(chǔ)上,使用了Bi-GRU加強了模型捕獲上下文聯(lián)系的能力。此外TC-CNN-GRU使用了注意力機... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

文本分類發(fā)展歷史從19世紀(jì)50年代起，文本分類的研究經(jīng)歷了4個階段[4]

圖 2-4 線性不可分數(shù)據(jù)性方式分割數(shù)據(jù)。因此需要引入激活函于將非線性引入網(wǎng)絡(luò)中。其對于模型理也是神經(jīng)網(wǎng)絡(luò)不同于原始線性分類的地LU。anh 均存在梯度彌散問題，同時計算較慢比于 Sigmoid 和 Tanh 函數(shù)，ReLU 函數(shù)稀疏激活性的特點[30]，其計算公式如（ ( ) = (0, )

圖 2-4 線性不可分數(shù)據(jù)用線性方式分割數(shù)據(jù)。因此需要引入激活函數(shù)，用在于將非線性引入網(wǎng)絡(luò)中。其對于模型理解非。這也是神經(jīng)網(wǎng)絡(luò)不同于原始線性分類的地方。、ReLU。和 Tanh 均存在梯度彌散問題，同時計算較慢，因。相比于 Sigmoid 和 Tanh 函數(shù)，ReLU 函數(shù)更符制、稀疏激活性的特點[30]，其計算公式如（2-2） ( ) = (0, )

【參考文獻】：
期刊論文
[1]人文學(xué)科研究生的教育困境與文化自救[J]. 何祖健,文春.  學(xué)位與研究生教育. 2012(03)
[2]自然語言處理中主題模型的發(fā)展[J]. 徐戈,王厚峰.  計算機學(xué)報. 2011(08)
[3]網(wǎng)絡(luò)爬蟲技術(shù)的研究[J]. 孫立偉,何國輝,吳禮發(fā).  電腦知識與技術(shù). 2010(15)
[4]TFIDF算法研究綜述[J]. 施聰鶯,徐朝軍,楊曉江.  計算機應(yīng)用. 2009(S1)
[5]分類法的發(fā)展趨勢簡論[J]. 侯漢清.  情報科學(xué). 1981(01)

博士論文
[1]WWW科技信息資源自動標(biāo)引的理論與實踐研究[D]. 肖明.中國科學(xué)院文獻情報中心 2001



本文編號：3294354