[发明专利]一种基于卷积神经网络的社交网络文本聚类方法在审
| 申请号： | 201611027489.7 | 申请日： | 2016-11-17 |
| 公开（公告）号： | CN106776740A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 金志刚;胡博宏;罗咏梅 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06Q50/00;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所12201 | 代理人： | 程毓英 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于卷积神经网络的社交网络文本聚类方法，包括下列步骤文本预处理过滤无用字符，同时转换为词向量。特征映射通过局部特征保持算法将词向量映射为卷积神经网络模型可用的二元特征向量，作为卷积神经网络训练的目标特征。卷积神经网络卷积神经网络训练过程，以词向量为输入，二元特征向量为目标特征进行训练。K‑means聚类根据卷积神经网络输出的二元特征向量，使用机器学习中的无监督学习算法K‑means进行聚类，获得聚类结果。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 社交 网络 文本 方法 | ||
【主权项】：
一种基于卷积神经网络的社交网络文本聚类方法，包括下列步骤：1)文本预处理：过滤无用字符，同时转换为词向量；2)特征映射：通过局部特征保持算法将词向量映射为卷积神经网络模型可用的二元特征向量，作为卷积神经网络训练的目标特征；3)卷积神经网络：卷积神经网络训练过程，以词向量为输入，二元特征向量为目标特征进行训练；4)K‑means聚类：根据卷积神经网络输出的二元特征向量，使用机器学习中的无监督学习算法K‑means进行聚类，获得聚类结果。
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天津大学，未经天津大学许可，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/201611027489.7/，转载请声明来源钻瓜专利网。
- 上一篇：图片管理方法、图片管理装置和终端
- 下一篇：一种搜索方法和装置
