基于深度学习的文本分类方法研究综述

被引：24

作者：

万家山 ^{[1
,2
]}

吴云志 ^{[3
,2
]}

机构：

[1] 安徽信息工程学院大数据与人工智能学院

[2] 安徽省北斗精准农业信息工程实验室

[3] 安徽农业大学信息与计算机学院

来源：

天津理工大学学报 | 2021年 / 37卷 / 02期

关键词：

文本分类; 文本表示; 机器学习; 深度学习; 综述;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

深度学习作为机器学习领域新的研究方向,现已在图像处理、语音识别和机器翻译等领域取得了突破性的进展.在处理自然语言任务中,深度学习建立在低层特征基础上,组合形成更加抽象的高层特征,用以完成复杂的语言模型构建、语义理解和文本分类等任务,深受研究人员的关注.文本分类是自然语言处理中的一个重要应用,在文本信息处理过程中有着关键作用.研究综述近几年基于深度学习的文本分类应用现状,分析其与传统机器学习在文本分类领域的区别以及优势,并概况深度学习在文本分类领域的研究方向和未来发展趋势.

引用

页码：41 / 47

页数：7

共 14 条

[11] Machine learning in automated text categorization
Sebastiani, F
[J]. ACM COMPUTING SURVEYS, 2002, 34 (01) : 1 - 47
[12] Support Vector Machine Active Learning with Applications to Text Classification.[J] . Simon Tong,Daphne Koller. Journal of Machine Learning Research . 2001
[13] Long short-term memory
Hochreiter, S
Schmidhuber, J
[J]. NEURAL COMPUTATION, 1997, 9 (08) : 1735 - 1780
[14] Distributed Representations of Words and Phrases and their Compositionality .2 Tomas Mikolov,Ilya Sutskever,Kai Chen,Gregory S Corrado,Jerey Dean. Advances in Neural Information Processing Systems 26:27th Annual Conference on Neural Information Processing Systems 2013 . 2013

← 1 2 →