基于卷积神经网络的语句级新闻分类算法
【摘要】 针对传统的中文文本分类在海量的互联网信息中难以胜任的现状，提出一种语句级的卷积神经网络中文新闻分类方案。通过信息提取算法从长短不一的新闻数据中提取固定大小的新闻摘要，压缩输入量的同时统一输入格式。信息提取时，通过对TF-IDF算法进行改进提升新闻摘要的质量,结合word2vec技术和卷积神经网络完成文本分类任务。与传统方法相比，词向量模型的引入弥补了传统词裂模型的缺陷，且语句的语义远比词的更加全面，使用语句进行分类更加可靠。通过实验对比验证了该方案具有较好的性能。
