需求发布 成果发布 科创案例库 揭榜挂帅
技术路演 会议展览 科创联合体 项目申报
前沿动态 科技政策 院士开讲 青托工程
科技服务团 学术资源
试点城市(园区) 双创活动周
协作站点 学会服务
问题库 项目库 开源库
English
您所在的位置: 成果库 基于深度学习的短文本分类关键技术研究

基于深度学习的短文本分类关键技术研究

发布时间: 2023-10-04

基本信息

合作方式： 技术咨询
成果类型： 著作权
行业领域：
科学研究和技术服务业
成果介绍
随着 移动互联网的发展如何从大量的文本中挖掘出有价值的信息并提供参考成为一种新的需 求，文本分类作为信息检索和挖掘的关键技术，能够实现对不同类型文本的自动分类。本项目提出基于卷word2vec 的 分 类 。 积神经网络的短文本分类方法，首先通过jieba实现文本的分词，然后通过开源工具 实现了词向量，最后通过卷积神经网络的卷积层、最大池化层和全连接层完成新闻数据实验结果显示，基于卷积神经网络的文本分类具有较高的分类效果。
成果亮点
在充分研究现有文本特征提取和文本分类方法的基础上，本课题提出一套更加适合短文本数据 的特征提取方法，省去传统方法中手工提取特征的繁琐步骤，同时通过深度学习模型，设计基于卷积神经网络的短文本分类方法。
团队介绍
主要负责人为陆正球，信息媒体学院，副教授，负责总体设计 毛焕宇，信息媒体学院，专业主任、讲师，负责模型设计 王海颖，信息媒体学院，讲师，负责实验分析 徐杨 ，信息媒体学院，讲师，负责实验分析 华铨平 信息媒体学院 院长、教授 算法设计 庞倩超 信息媒体学院 教授 实验分析
成果资料