一种深度学习的文本特征提取方法研究

王新艳

(江苏联合职业技术学院徐州医药分院基础教学部, 江苏 徐州 221116)

0 引言

随着网络大数据时代的到来，促使网络用户数量不断增多，包括短信息、新闻等在内的文本数据信息数量也随之迅速增加,如何快速高效获取所需信息成为研究热点，同时对如何实现及时有效的处理用户产生的文本信息提出了更高的要求。目前高效的文本挖掘技术已成为解决上述问题的重要手段,作为文本挖掘技术的研究基础，提取文章与主题的关键短语技术对文本挖掘的应用质量产生直接影响。

1 现状分析

近年来在对文本特征进行提取时，使用深度学习技术成为越来越多的研究者的研究重点，例如对高光谱图像的特征，通过使用多个卷积网络(包含卷积层与池化层)完成提取过程，再将其应用到图像分类及目标检测中，取得了良好应用的效果(Chen 等)[1]。关于文本特征提取，Liang等在相关文献已详细介绍了常用的文本特征提取方法(包括自编码神经网络、受限波兹曼机、循环神经网络等特征提取方法)[2]。针对文本分类特征，包括向量空间模型、卷积神经网络、模糊神经网络、深度信念网络在内的提取方法应用方面的讨论(从词袋模型方法到神经网络方法)[3]。目前在文本特征提取的研究领域，基于深度学习技术的提取方法称为研究重点，该类特征提取方法在图像领域应用较为广泛，但关于文本特征提取尤其是对中文文本的特征提取方面的研究成果较少，传统的手工提取方法得到的特征维度一般较大，降低模型训练效率的同时增加了资源消耗量。……