基于递归神经网络和快速文本的社交大数据分析

摘要

针对传统模型无法有效地从大数据中提取和分析相关信息等问题,提出了基于递归神经网络和快速文本的社交大数据分析方法.该方法首先对输入数据进行预处理以减少噪声,然后基于快速文本词嵌入将文本数据转换成数值向量,基于递归神经网络学习每个输入序列的最佳特征表示,最后基于Logistic回归算法使用最佳特征表示执行分类任务.实验结果表明,与其他方法相比,在分类准确性和F得分方面均优于对比的方法,能够处理大规模数据和提高递归神经网络变体在分类精度方面的性能.