论文研究深层自动编码机的文本分类算法改进.pdf

自动编码机作为一种新兴的深层神经网络学习算法，在高维数据的降维和图像重构中取得了很好的效果。针对该方法在文本分类中重构出大量的对学习没有帮助的含噪数据，提出一种利用原型数据监督学习的改进模型，称做深层原型自动编码机，该方法改善了无监督学习的不足。并且，通过建立多个实例对应一个原型模型，可以大大降低算法对于原型数量的需求，提升了算法的运行效率，而且更加有利于原型学习在多种不同的数据上展开。实验证明该方法可以增加文本分类的准确率。