基于加权词向量和卷积神经网络的新闻文本分类
在文本分类中，基于Word2Vec词向量的文本表示忽略了词语区分文本的能力，设计了一种用TF-IDF加权词向量的卷积神经网络（CNN）文本分类方法.新闻文本分类，一般只考虑正文，忽略标题的重要性，改进了TF-IDF计算方法，兼顾了新闻标题和正文.实验表明，基于加权词向量和CNN的新闻文本分类方法比逻辑回归分类效果有较大提高，比不加权方法也有一定的提高.
文件下载
评论信息
其他资源
- opencv 人体姿态检测识别.zip
- 图像局部不变性特征与描述【王永明 王贵锦】.pdf
- EasyBCD2.4 简体中文版
- Qt5通过FFmpeg采集USB摄像头图像生成YUV文件
- VI PACKAGE MANAGER
- Android图书管理系统部分代码
- TensorFlow实现AlexNet_mnist
- Ambari2.7.3+HDP部署需要用到的插件-下载地址.txt
- Matlab图论工具箱
- CJJ/T157-2010城市三维建模技术规范
- wa_screenshot_compare：用于创建存档网站及其实时副本的屏幕截图的实用程序-源码
- 博世自动驾驶.pdf
- 安卓记事本源代码，详细。
- Green_Oracle_18c_自用控制台版_管理器.7z
- 区块链 隐私计算服务指南
- Storage and Buffer Manager
- C#多线程计算pi
- 基于VS和C#的实时曲线显示代码
- MICCAI2019-会议论文集第5部分 Part-V.pdf
- 汽车TCS系统建模及控制逻辑研究
- SSH选课系统（入门学习）
- 归一化8点算法-MATLAB代码
- 基于Labview的信号发生器的设计
- javaweb项目报表案例
- 图像去噪的一些论文 硕士论文
- DbVisualizer10.0.16破解+LicenseKey
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明