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 梧州學院大數(shù)據(jù)與軟件工程學院; 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模型改進后的LSTM神經(jīng)網(wǎng)絡(luò)算法,加入了預(yù)訓練的word2vec模型。首先對新聞數(shù)據(jù)進行去除停用詞及標點、格式轉(zhuǎn)化、分詞等預(yù)處理;其次進行特征提取、分類模型構(gòu)造;最后進行了分類模型訓練與測試。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確度和良好的擴展性。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
相關(guān)熱門期刊
