论文研究多自动编码器文本分类模型设计 .pdf

传统文本分类使用word embedding作为文档表示，忽略词在当前上下文的含义，潜在地认为相同词在不同文本中含义相同。针对此问题提出一种词义消歧的卷积神经网络文本分类模型——WSDCNN（word

传统两阶段层次文本分类模型（THTC模型）是一种解决大规模层次文本分类问题的有效方法，但该模型的分类准确率仍然不是很高。为了缓解这个问题，提出了结合邻居辅助策略的两阶段层次文本分类模型（THTC-NA

基于堆叠稀疏自动编码器的数字调制自动识别

该资源包含亚马逊四个领域的商品销售信息数据，有books，dvd，electronics，kitchen&housewares;四个领域，是目前权威的多领域文本情感分类的数据源，这些数据原版是网页标签

基于向量空间模型的多主题Web文本分类方法.pdf

WordFeature 一个文本分类器 希望对大家有用

针对当前知识管理系统中知识树的创建和维护问题,设计了一种新的基于文本聚类的知识树构建方法。由于从传统的K-means和SOM等文本聚类的结果中难以提取知识树中节点对应的概念和词汇列表,选取PLSA方法

采用深度学习，cnn,rnn两种方式对新闻类信息。进行分类预测。。。。仅供初学者练习使用

从文本分类由美国学者H．P．Luhn教授在1957年第一次被提出来，现今文本分类已经成为数据挖掘领域非常重要的～个分支，它已经在搜索引擎等领域有较好的应用．文本分类中特征选择是降低特征空间维数提高分

对四种特征选择方法: 互信息、信息增益、x 2 统计和期望交叉熵作了简要的介绍, 并 且结合 K NN分类算法 , 使用查全率、查准率、宏平均和微平均对四种特征选择方法分别进行评 估 , 提出并讨论了