本文關(guān)鍵詞：基于深度學習的文本挖掘研究

  更多相關(guān)文章： 深度學習 文本挖掘 特征融合

【摘要】：隨著互聯(lián)網(wǎng)的快速發(fā)展,網(wǎng)絡(luò)上的文本信息急速增長,如何從龐大的信息庫中提取有用的信息就依賴于文本挖掘技術(shù).由于文本挖掘是深度學習中重要的一部分,論文對基于深度學習的文本挖掘研究進行了綜述.首先介紹了文本挖掘的過程及應(yīng)用領(lǐng)域,由此說明了文本挖掘的重要性;其次通過淺層神經(jīng)網(wǎng)絡(luò)算法的局限性,說明提出基于深度學習文本挖掘的必要性;然后提出了融合深度學習特征的文本挖掘技術(shù),主要對淺層學習特征、深層學習特征展開介紹;最后總結(jié)了深度學習的最新研究進展及對它在文本挖掘的應(yīng)用進行了綜述.
【作者單位】： 內(nèi)蒙古民族大學數(shù)學學院;內(nèi)蒙古民族大學計算機科學與技術(shù)學院;吉林大學計算機科學與技術(shù)學院;
【關(guān)鍵詞】： 深度學習 文本挖掘 特征融合
【基金】：國家自然科學基金資助項目(61163034,613730067) 內(nèi)蒙古自治區(qū)2013年度“草原英才工程”項目 自治區(qū)“高等學校青年科技領(lǐng)軍人才”項目(NJYF-14-A09) 內(nèi)蒙古自然科學基金(2013MS0911) 吉林省科技發(fā)展項目(20140101195JC) 內(nèi)蒙古自治區(qū)高等學�？茖W技術(shù)研究項目(MZY16177)
【分類號】：TP391.1
【正文快照】： 1引言由于互聯(lián)網(wǎng)的迅速發(fā)展以及信息技術(shù)的逐漸完善,導(dǎo)致了“信息極大增長而知識卻相對缺乏”等問題,文本挖掘在有效的處理、組織文本方面具有很好的效果.文本挖掘的內(nèi)容主要包括文本信息的抽取、自動文摘、文本聚類、文本分類,其中文本聚類和文本分類是文本挖掘的核心問題〔1

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 孫志軍;薛磊;許陽明;王正;;深度學習研究綜述[J];計算機應(yīng)用研究;2012年08期

2 龐劍鋒,卜東波,白碩;基于向量空間模型的文本自動分類系統(tǒng)的研究與實現(xiàn)[J];計算機應(yīng)用研究;2001年09期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 陳曉云;文本挖掘若干關(guān)鍵技術(shù)研究[D];復(fù)旦大學;2005年

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 于萬鈞;安改換;鹿文靜;甘超;劉全;;基于棧式降噪自動編碼器的氣體識別[J];計算機工程與設(shè)計;2017年03期

2 丁蓬莉;李清勇;張振;李峰;;糖尿病性視網(wǎng)膜圖像的深度神經(jīng)網(wǎng)絡(luò)分類方法[J];計算機應(yīng)用;2017年03期

3 覃雄派;陳躍國;王邦國;;大數(shù)據(jù)分析的應(yīng)用案例——投資模型的穩(wěn)健性[J];計算機應(yīng)用;2017年03期

4 武煜博;;圖像識別技術(shù)發(fā)展與應(yīng)用[J];電子技術(shù)與軟件工程;2017年04期

5 劉睿強;;深度學習算法在船舶電子海圖識別中的應(yīng)用[J];艦船科學技術(shù);2017年04期

6 潘安;;大數(shù)據(jù)技術(shù)在健康險的應(yīng)用[J];中國新通信;2017年04期

7 蔣凡;徐明泉;崔代銳;;基于外賣物流配送大數(shù)據(jù)的調(diào)度系統(tǒng)[J];大數(shù)據(jù);2017年01期

8 管皓;薛向陽;安志勇;;在線單目標視頻跟蹤算法綜述[J];小型微型計算機系統(tǒng);2017年01期

9 嚴s，

本文編號：976429