复杂文本多标签分类算法的设计与仿真

摘要

由于已有算法未能通过卷积神经网络进行分类,导致分类结果不准确,分类复杂度提升,容错率下降。结合卷积神经网络,提出一种新的复杂文本多标签分类算法。首先在训练样本集中通过Bootstrap方法进行样本抽取,利用特征选择算法对抽取的特征进行评价。采用投票方法确定评价结果的特征权重,通过特征权重完成特征选择。然后,利用Word2vec工具将复杂文本特征提取结果转换为词向量,同时将句子整理为向量矩阵的形式。利用粒子群算法对卷积神经网络模型进行优化,进而实现复杂文本多标签分类。最终进行仿真测试,结果表明所提算法能够获取高精度的分类结果,降低分类复杂度,提升容错率。