基于LSTM算法在新聞分類中的應(yīng)用
作者：朱肖穎; 賴紹輝; 陸科達(dá) 梧州學(xué)院大數(shù)據(jù)與軟件工程學(xué)院; 廣西梧州543002
摘要：針對傳統(tǒng)的RNN算法存在梯度消失的缺陷,在面對海量新聞數(shù)據(jù),規(guī)模大且分類屬性多的情況下存在效率低的問題,該文應(yīng)用了傳統(tǒng)的RNN模型改進(jìn)后的LSTM神經(jīng)網(wǎng)絡(luò)算法,加入了預(yù)訓(xùn)練的word2vec模型。首先對新聞數(shù)據(jù)進(jìn)行去除停用詞及標(biāo)點(diǎn)、格式轉(zhuǎn)化、分詞等預(yù)處理;其次進(jìn)行特征提取、分類模型構(gòu)造;最后進(jìn)行了分類模型訓(xùn)練與測試。測試數(shù)據(jù)表明,在大數(shù)據(jù)量的情況下,使用LSTM算法具有較高的模型準(zhǔn)確度和良好的擴(kuò)展性。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社。
梧州學(xué)院學(xué)報(bào)雜志
梧州學(xué)院學(xué)報(bào)雜志， 雙月刊，本刊重視學(xué)術(shù)導(dǎo)向，堅(jiān)持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性，刊載內(nèi)容涉及的欄目：經(jīng)濟(jì)與管理、政治與法律、文化與藝術(shù)、教育與教學(xué)、計(jì)算機(jī)科學(xué)與技術(shù)、基礎(chǔ)理論、計(jì)算機(jī)科學(xué)與技術(shù)研究等。于1991年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。
- 省級期刊
- 1個(gè)月內(nèi)審核