摘要：针对现有基于机器学习的文本分类中由于数据噪点和特征不稀疏所导致学习精确度不高,深度不够等 问题,本文提出了一种基于卷积升级网络的文本分类改进方法.首先利用一种新的TF- IDF统计法和Word2vec的 skip-gram模型提取出描述文本的特征,然后通过卷积神经网絡训练,得到更深层次的特征学习,最后使用softmax 操作算出类别的概率分布,从而实现对职位描述文本的分类.实验结果表明,相比基于knn 的传统分类方法,本文 所设计的方法精确度更高.

原文链接:http://www.cqvip.com/QK/94352X/201706/672643965.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）