基于自編碼的神經網絡文本特征選擇的研究.pdf

1、基于自編碼神經網絡文本特征提取，主要目的是對當前文本挖掘的效率進行提升。由于現(xiàn)在網絡的高速發(fā)展，大量的信息尤其是文本為主的信息在網絡中大量傳播，使得原有的文本挖掘技術缺陷暴露出來。對大量的文本數(shù)據，自編碼神經網絡可以對大量的文本特征進行降維，在不損害其準確率的情況下，提升速度。以此滿足現(xiàn)代網絡的高效率。
　　本文選用自編碼神經網絡的方法是基于深度學習算法中的一種，他開創(chuàng)了機器學習研究中一個新的方向。深度學習的理念來自于人工神經網絡

2、的研究，它是具有多層感知器的結構。深度學習通過低層特征的組合來合成更抽象的高層特征，目的是用來發(fā)現(xiàn)數(shù)據的分布式特征。自編碼神經網絡的輸出節(jié)點與輸入節(jié)點相等以及隱藏層的節(jié)點數(shù)小于輸入輸出節(jié)點數(shù)的兩個主要特點，實現(xiàn)了文本特征降維，降低了空間復雜度的計算量。通過這樣的方法，實現(xiàn)了自編碼神經網絡對空間向量的高效計算。
　　本文以50組內容相近的信息為例（每一組的信息內容不會超過30個漢字）進行編碼，將漢字轉變?yōu)樽中吸c陣碼，結合可視化技術，