基于深度学习的大规模文本分类研究

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。