ISSN 1009-5624 CN 10-2021/TQ    主管:中国乐凯集团有限公司    主办:北京乐凯科技有限公司

中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
首页 > 刊期 > 2024 > 9期 > 信息:技术与应用
基于深度学习的大规模文本分类研究
陈 伟

【摘要】本研究针对大规模文本分类任务中卷积神经网络(convolutional neural network,CNN)的性能优化问题,提出了一种基于稀疏计算技术的优化方法。 首先,对大数据环境下的文本分类方法及挑战进行了分析,指出了传统方法在处理大规模文本数据时的局限性。 其次,针对 CNN 的不足之处,提出了利用稀疏计算技术对参数和输入进行稀疏化处理,以及设计高效的稀疏卷积操作,从而减少计算量并提高模型的效率和性能。 最后,在 20 Newsgroups 数据集上进行实验,验证了提出方法的有效性和性能。 结果表明:优化后的模型在各个类别上均取得了较高的精确率、准确率、召回率和 F1 值,整体性能优异。

【关键字】卷积神经网络;稀疏计算技术;文本分类;大数据