Resumen

El texto especial tiene muchas características, como palabras profesionales, abreviaturas, grandes conjuntos de datos, diferentes temas y distribución desigual de etiquetas. Mientras que los métodos de clasificación de minería de datos de texto existentes utilizan modelos simples de aprendizaje automático, tienen un mal rendimiento en la clasificación de texto. Para resolver esta desventaja, en este artículo se propone un algoritmo de minería de datos de texto basado en el modelo de red neuronal convolucional (CNN) y el modelo de máquinas de Boltzmann profundo (DBM). Este método combina los modelos CNN y DBM con una buena extracción de características para realizar una doble extracción de características. Puede realizar el árbol de etiquetas mediante la construcción del árbol de etiquetas y diseñar la red jerárquica efectiva para lograr la clasificación. Al mismo tiempo, el modelo puede suprimir el ruido de entrada en la clasificación. Los resultados experimentales muestran que el algoritmo mejorado logra buenos resultados de clasificación en la minería de datos de texto especial.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Características; Abreviaturas; Conjuntos de datos; Temas; Etiquetas; Clasificación
• Keywords:Features; Abbreviations; Datasets; Themes; Labels; Classification