基于快速自编码的RELM的文本分类

来源：计算机工程与科学杂志2016年第5期北京时间：

作者：周杭霞，叶佳骏，任欢

单位：（中国计量大学信息工程学院,浙江 杭州 310018）

摘要：正则化极限学习机RELM是一种单隐层前馈神经网络，不同于传统神经网络算法，RELM通过随机设置输入层权重和偏置值，可以快速求得输出层权重，并且引入正则化因子，能够提高模型的泛化能力。针对文本信息高维度、多类别的问题，提出一种基于快速自编码的正则化极限学习机FARELM。将由RELM改进后的快速自编码神经网络对样本进行无监督特征学习，并对特征提取后的数据使用RELM进行分类。实验表明，FARELM的学习速度和分类精度较优。

关键词：文本分类,特征提取,自动编码器,正则化极限学习机,

基金资助：国家自然科学基金(61027005)