[发明专利]基于混合自动编码器深度学习的文本分类方法及系统在审
| 申请号： | 201710852894.0 | 申请日： | 2017-09-20 |
| 公开（公告）号： | CN107729393A | 公开（公告）日： | 2018-02-23 |
| 发明（设计）人： | 杨振宇;靖慧 | 申请（专利权）人： | 齐鲁工业大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 济南圣达知识产权代理有限公司37221 | 代理人： | 张勇 |
| 地址： | 250353 山东省济南*** | 国省代码： | 山东;37 |
| 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混合自动编码器深度学习的文本分类方法及系统，该方法是一种将稀疏受限玻尔兹曼机SRBM和收缩自动编码器CAE结合形成混合自动编码器训练模型的方法，将收缩自动编码器CAE鲁棒性的特征提取优点以及稀疏受限玻尔兹曼机SRBM稀疏性的特征表示和使用对比散度快速学习优点结合，增强混合自动编码器的学习能力，降低特征空间的维度，使用无监督逐层贪婪学习算法对模型进行训练，更新参数时加入Polyak Averaging加快参数收敛速度，反向传播BP算法对模型进行微调，最后通过支持向量机SVM分类，实现了降低文本特征维度，提高文本分类的准确率。 | ||
| 搜索关键词： | 基于 混合 自动 编码器 深度 学习 文本 分类 方法 系统 | ||
【主权项】：
一种基于混合自动编码器深度学习的文本分类方法，其特征在于，该方法包括：获取文本数据，进行预处理；预处理后的文本数据基于混合自动编码器训练模型进行特征学习，所述混合自动编码器训练模型采用将稀疏受限玻尔兹曼机SRBM加入到收缩自动编码器CAE网络中形成；将特征学习后的文本数据进行特征分类。
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齐鲁工业大学，未经齐鲁工业大学许可，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/201710852894.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种鱼体尾频检测方法和系统
- 下一篇：一种关于新TAVI模型中s因子的算法
