DBN在中文文本分类中的应用

为提高中文文本的分类效果,提出基于深度置信网络的中文文本分类模型,分别以文本的TF-IDF和LSI特征作为输入,利用深度置信网络强大的特征学习能力获取深层次特征,提高最终的分类效果。实验结果表明,LSI特征更适合作为深度置信网络文本分类模型的输入,相比SVM等浅层模型,深度置信网络在中文文本分类任务中更加有效,经过合理的训练和参数设置可以取得比SVM模型更好的分类效果,分类准确率提高了3.4%。