共 10 条
- [9] A comparative study of TF*IDF; LSI and multi-words for text classification.[J].Wen Zhang;Taketoshi Yoshida;Xijin Tang.Expert Systems With Applications.2010, 3
- [10] 神经网络导论.[M].胡守仁等编著;.国防科技大学出版社.1993,
基于改进BP神经网络的学术活动文本分类
被引：5
作者：
田欢
[1
]
李红莲
[1
]
吕学强
[2
]
周建设
[3
]
夏红科
[4
]
机构：
[1] 北京信息科技大学信息与通信工程学院
[2] 北京信息科技大学网络文化与数字传播北京市重点实验室
[3] 首都师范大学北京成像技术高精尖创新中心
[4] 北京信息科技大学计算机学院
关键词：
文本分类;
TF-IDF算法;
特征提取;
BP神经网络;
D O I：
10.16508/j.cnki.11-5866/n.2018.05.008
中图分类号：
TP391.1 [文字信息处理];
TP183 [人工神经网络与计算];
学科分类号：
摘要：
网站已成为高校发布学术活动通知的主要平台,能否从中准确抽取相关信息并进行分类,直接影响着办公自动化的效率。为了实现文本分类,采用向量空间模型(VSM)描述文本,利用一种改进的TF-IDF算法设置文本向量特征权重,并通过优化的互信息算法来实现文本特征提取与降维,改善了分类模型的向量输入。最后在构造BP神经网络文本分类器时,通过激活函数的选择、参数的初始值设置以及动量因子的引入对其进行改进。实验结果表明,改进后的方法在分类精度上有明显的提高,利用该方法可以较好地进行学术活动的文本分类。
引用
收藏
页码：38 / 44
页数：7
相关论文