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
- 音频测试用PCM格式音乐文件
- MSP430F系列单片机bootloader原理及实现方法附源码
- 传感器与检测技术课后答案
- [R语言] 快速搭建网站——使用shiny实现聚类算法可视化
- HALCON简单介绍 20181126
- Mann-kendall检验
- _19_pwm_rgb.zip
- 苹果cms实现伪原创.rar
- mongodb-win32-x86_64-2008plus-ssl-4.0.10.zip
- TL1771_V1.1_20050301.pdf
- 需求把握和正确决策.docx
- ACP认证考试-知识要点
- 大数据时代演讲PPT资源共享
- 双像解析相对定向C#程序
- Catia圆柱直斜齿轮生成插件
- Java语言规范和JVM规范（7、8、9）
- 粒子群外文(Pdf)及其翻译（Word）和开题报告
- MRI_Brain_Scan（mri分割）
- DittoSetup_3_21_50_0.zip
- 浙江理工大学2017-2020年历年研究生入学考试试卷，代码：992.pdf
- 苹果手机iPhone APP ios开发教程.zip
- NOIP宝藏hack数据.zip
- MySQL知识点总结.pdf
- Autosys+guide
- 凌乱设计个人网站音乐系统 v1.3
- 易语言成品仓库管理源码
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