基于卷积神经网络和KNN的短文本分类算法研究

来源：计算机工程杂志2018年第7期北京时间：

作者：殷亚博,杨文忠,杨慧婷,许超英

单位：新疆大学 a.信息科学与工程学院; b.软件学院,乌鲁木齐 830046

摘要：为解决传统基于TF-IDF的K最近邻(KNN)分类算法在短文本分类时,出现特征维度过高和数据稀疏的问题,基于卷积神经网络和KNN,提出一种新的短文本分类算法。通过采用神经网络语言模型word2vec对短文本进行词向量的训练,并用训练好的词向量表示文本,使用卷积神经 网络对短文本进行抽象特征的提取,在提取出抽象特征的基础上,运用KNN分类器进行短文本分类。分别在短文本中句子数目为2、4、6、8的数据集上进行测试,结果表明,与基于TF-IDF的KNN分类算法相比,该算法在准确率、召回率和F1值上平均提高了10.2%、21.1%和15.5% 。

关键词：社交网络,卷积神经网络,K最近邻,短文本,机器学习,深度学习

基金资助：国家重点基础研究发展计划项目(2014CB340500);国家自然科学基金(U1603115,61262087)。