[发明专利]一种基于图核和卷积神经网络的文本分类方法有效
| 申请号： | 201810168847.9 | 申请日： | 2018-02-28 |
| 公开（公告）号： | CN108388651B | 公开（公告）日： | 2021-09-28 |
| 发明（设计）人： | 郭平;张璐璐;辛欣 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/901;G06F16/36;G06F40/289 |
| 代理公司： | 北京正阳理工知识产权代理事务所(普通合伙) 11639 | 代理人： | 唐华 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于图核和卷积神经网络的文本分类方法，属于数据挖掘和信息检索技术领域。核心思想为：首先将文本预处理为图结构的表示方式，其中，图中的节点与文本中的词相对应；再基于图结构计算节点的权重，之后使用社区发现算法将图结构分解成多个子图，并使用图核技术将图映射到高维空间，得到图的张量表达，最后将该张量表达输入到卷积神经网络，对图特征进行深度挖掘，输出文本的类别。本发明与现有技术相比，能够充分利用文本的内部结构和上下文语义，使文本内容得以充分表达；使节点信息更加合理；有效解决了文本分类中复杂繁琐的处理过程。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 文本 分类 方法 | ||
【主权项】：
1.一种基于图核和卷积神经网络的文本分类方法，其特征在于：核心思想为：首先将文本预处理为图结构的表示方式，其中，图中的节点与文本中的词相对应，再基于图结构计算节点的权重，之后使用社区发现算法将图结构分解成多个子图，并使用图核技术将图映射到高维空间，得到图的张量表达，最后将该张量表达输入到卷积神经网络，对图特征进行深度挖掘，输出文本的类别；包括以下步骤：步骤一、通过文本分词、去除文本中的停用词、标点和数字，以及创建图将文本转化为图结构；步骤二、采用ND‑IGF(node degree‑inverse graph frequency)计算节点的权重；步骤三、使用社区划分算法把步骤一创建的图分割成若干子图；步骤四、计算将步骤三中得到的若干子图转化为四维张量表示；步骤五、构建卷积神经网络在训练集上进行训练，通过后向传播算法更新网络参数，得到文本的分类模型，通过该模型可求得待分类文本的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京理工大学，未经北京理工大学许可，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/patent/201810168847.9/，转载请声明来源钻瓜专利网。
