[发明专利]一种基于TF-IDF和CNN启发式短文本特征提取与分类方法有效
| 申请号： | 201810685215.X | 申请日： | 2018-06-27 |
| 公开（公告）号： | CN109947864B | 公开（公告）日： | 2023-08-22 |
| 发明（设计）人： | 冯万利;范家宽;朱全银;周泓;王奔;朱勐 | 申请（专利权）人： | 淮阴工学院 |
| 主分类号： | G06F16/28 | 分类号： | G06F16/28;G06F40/284;G06N3/0464 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 梁耀文 |
| 地址： | 223005 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本专利公开发明了一种基于TF‑IDF和CNN启发式短文本特征提取与分类方法，首先对短文本集用结巴分词工具实现中文的文本分词，然后去除文本噪声词，得到文本数据集UNION，其次使用TF‑IDF特征选择方法处理文本数据集UNION，得出选择后的文本特征值VALUE1，将VALUE1导入到卷积神经网络模型，集成标签并且生成批处理迭代器M，接着使用嵌入层、卷积层、池化层和softmax方法搭建CNN神经网络文本分类模型，导入M到模型中，然后配置训练集模型的超参数和训练参数，给出训练集每1步和测试集每100步的损失函数和准确度，生成训练模型MODEL，最后将待分类短文本集进行预处理之后，得到数据集VALUE2，导入MODEL到预测模型，得出分类结果。本发明不仅节约了计算时间，而且准确率高。 | ||
| 搜索关键词： | 一种 基于 tf idf cnn 启发式 文本 特征 提取 分类 方法 | ||
【主权项】：
1.一种基于TF‑IDF和CNN启发式短文本特征提取与分类方法，其特征在于，包括如下步骤：(1)对短文本集用结巴分词工具实现中文的文本分词，然后去除文本噪声词，得到文本数据集UNION；(2)使用TF‑IDF特征选择方法处理文本数据集UNION，得出选择后的文本特征值VALUE1，将VALUE1导入到卷积神经网络模型，集成标签并且生成批处理迭代器M；(3)使用嵌入层、卷积层、池化层和softmax方法搭建CNN神经网络文本分类模型，导入M到模型中；(4)配置训练集模型的超参数和训练参数，给出训练集每1步和测试集每100步的损失函数和准确度，生成训练模型MODEL；(5)最后将待分类短文本集进行预处理之后，得到数据集VALUE2，导入MODEL到预测模型，得出分类结果。
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淮阴工学院，未经淮阴工学院许可，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/201810685215.X/，转载请声明来源钻瓜专利网。
- 上一篇：移动网络话务统计分析系统
- 下一篇：商户分类方法及商户分类系统
