基于书目题名数据的超短文本分类研究  

作　　者：苏东出[1] 孙萍[1] 

机构地区：[1]平顶山学院,河南平顶山467000

出　　处：《内蒙古科技与经济》2022年第10期144-147,共4页Inner Mongolia Science Technology & Economy

摘　　要：以书目题名数据为例,探究了一种基于线性空间基的超短文本特征向量生成方式,并在此基础上,利用改进的卷积神经网络进行深度学习,对超短文本进行多元分类的思路。经过测试,该算法针对22分类的准确率可达67%以上,部分专业分类准确率达到85%以上。由于语料集较小,验证设备配置太低,因此分类准确率有待提高。该方法对文献自动分类、图书馆智能助手应用都具有参考价值。

关 键 词：深度学习 卷积神经网络 超短文本 文档分类 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]