[发明专利]一种基于深度学习混合模型的文本分类方法在审
| 申请号： | 202010135270.9 | 申请日： | 2020-03-02 |
| 公开（公告）号： | CN111274406A | 公开（公告）日： | 2020-06-12 |
| 发明（设计）人： | 顾东晓 | 申请（专利权）人： | 湘潭大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06N3/04;G06N3/08 |
| 代理公司： | 长沙智德知识产权代理事务所(普通合伙) 43207 | 代理人： | 段芳萼 |
| 地址： | 411100 *** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 混合 模型 文本 分类 方法 | ||
1.一种基于深度学习混合模型的文本分类方法，其特征在于，包括如下具体步骤：
S1：获取并导入样本数据，对该样本数据进行预处理，具体包括：
S11:将样本数据根据文本类型进行分类；
S12:将分类后的文本两两混合导入深度学习模型中，分别提取得到不同的文本特征；
S2：将上述得到的文本特征随机混合后，再次导入深度学习模型中，进行二次训练，再次提取混合训练后的文本特征；
S3：将上述得到的混合训练后的文本特征采用布尔逻辑模型进行特征表示；
S4：将上述特征表示导入自动编码器训练模型中构建编码模型，得到导入文本和导出文本之间的隐性特征，具体为：
S41：以导入文本作为输入序列，以导出文本作为导入文本的特征，通过编码模型的编码与解码操作得到导入文本的隐特征表示；
S42：以导出文本作为输入序列，以导入文本作为导出文本的特征，通过编码模型的编码与解码操作得到导出文本的隐特征表示；
S5：将上述得到的隐性特征表示采用Softmax回归模型进行分类。
2.根据权利要求1所述的一种基于深度学习混合模型的文本分类方法，其特征在于：步骤S1中，所述文本类型包括词性、句子、段落、篇章等。
3.根据权利要求1所述的一种基于深度学习混合模型的文本分类方法，其特征在于：所述深度学习模型为卷积神经网络模型或堆栈自编码网络模型。
4.根据权利要求1所述的一种基于深度学习混合模型的文本分类方法，其特征在于：所述自动编码器训练模型为降噪自编码器、稀疏自编码器、栈式自编码器中任意两种组合而成的混合自动编码器训练模型。
5.根据权利要求1所述的一种基于深度学习混合模型的文本分类方法，其特征在于：所述导入文本为用于输入的关键字。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湘潭大学，未经湘潭大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010135270.9/1.html，转载请声明来源钻瓜专利网。
