[发明专利]一种基于N-gram向量和卷积神经网络的中文文本多分类方法有效
申请号: | 201810996666.5 | 申请日: | 2018-08-29 |
公开(公告)号: | CN109241530B | 公开(公告)日: | 2021-08-20 |
发明(设计)人: | 相艳;许莹 | 申请(专利权)人: | 昆明理工大学 |
主分类号: | G06F40/289 | 分类号: | G06F40/289;G06F40/30;G06F16/35;G06N3/04;G06N20/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 650093 云*** | 国省代码: | 云南;53 |
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Ngram向量和卷积神经网络的中文文本多分类方法,属于文本多分类的技术领域。针对文本多分类的效果并不十分理想的问题,本发明基于CNN框架,提出了一种初始化CNN滤波器系数的方法,在一定程度上取得较好的文本分类效果。首先对待分类语料进行词向量训练;然后挑选出对特定类别最为重要的n‑gram,并将聚类后的n‑gram质心向量作为初始的滤波器系数;使用uni‑gram、bi‑gram和tri‑gram的质心分别嵌入到宽度为3、4和5的滤波器中心。初始化系数能更有效的抽取出代表不同类别的n‑gram,最终改善文本分类效果。实验在两个公共的中文数据集上进行,包括搜狗新闻数据集和复旦大学中文语料,本发明方法同比一些文本分类技术,在评价指标上表现了优势。 | ||
搜索关键词: | 一种 基于 gram 向量 卷积 神经网络 中文 文本 分类 方法 | ||
【主权项】:
1.一种基于N‑gram向量和卷积神经网络的中文文本多分类方法,其特征在于:包括以下步骤:Step1:文本预处理:首先针对中文文本,进行中文分词及文本去噪;然后对文本分别进行一元、二元、三元标注,分别得到unigram,bigram,trigram,即n‑gram;Step2:特征选择:计算文本语料中每个n‑gram在本类别中所占的比重r,对r降序排序,接着对按照特定的挑选规则选择出来的n‑gram进行glove词向量的表达;最后把glove词向量表达后的n‑gram进行kmeans聚类,得到每一类n‑gram的中心词向量;Step3:初始化卷积核参数:用Step2得到的n‑gram的中心词向量进行初始化卷积核参数,训练文本分类模型,最后得出多分类结果,采用十折交叉验证的方法对模型评估。
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昆明理工大学,未经昆明理工大学许可,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/201810996666.5/,转载请声明来源钻瓜专利网。