[发明专利]基于深层主题模型的大规模文本分类方法有效
| 申请号： | 201611093639.4 | 申请日： | 2016-12-02 |
| 公开（公告）号： | CN106599128B | 公开（公告）日： | 2019-12-27 |
| 发明（设计）人： | 陈渤;李千勇;丛玉来;郭丹丹 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06K9/62 |
| 代理公司： | 61205 陕西电子工业专利中心 | 代理人： | 王品华;朱红星 |
| 地址： | 710071 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深层主题模型的文本分析方法，主要解决现有技术中梯度无法求解，各层梯度更新步长无法调整的问题。其主要步骤是：1.建立训练集和测试集；2.设置泊松‑伽玛置信网络及其参数，并用步骤1的训练集对该网络进行梯度更新训练；3.保存训练后的网络全局参数；4.用步骤3保存下来的全局参数值，初始化测试网络的全局参数，并用步骤1的测试集训练测试网络；5.保存测试网络的网络参数；6.利用步骤5得到的测试网络参数对文本进行分类并输出预测文本类别和文本分类正确率。本发明能够提取文本信息的多层信息，解决了梯度难以求解和各层步长无法调整的问题，可以用于文本信息的提取和文本分类。 | ||
| 搜索关键词： | 基于 深层 主题 模型 大规模 文本 分类 方法 | ||
【主权项】：
1.基于深层主题模型的大规模文本分类方法，包括：/n(1)构建数字信息的训练集和测试集：/n从文本语料库中随机选取训练文本集和测试文本集；采用词袋方法将训练文本集和测试文本集的格式由文本信息转化为数字信息的训练集和测试集；/n(2)对泊松-伽玛置信网络参数Φ
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西安电子科技大学，未经西安电子科技大学许可，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/201611093639.4/，转载请声明来源钻瓜专利网。
