基于改进的卷积神经网络邮件分类算法研究

摘要

针对传统文本分类方法中出现的维度过高和数据稀疏问题,通过对卷积神经网络(Convolutional Neural Network,CNN)和inception V1模型的深入研究,将两个模型融合起来,提出了一种基于i-CNN模型的邮件分类方法;在卷积、池化操作中加入了1×1卷积核降低特征向量的厚度,减少了参数,提高了计算性能;通过数据验证,i-CNN模型对邮件的分类结果高达92.18%,在对比实验中,i-CNN模型相对于几种机器学习分类模型,取得了最高的分类精准率,在有无inception结构模型对比中,i-CNN模型精准率高于CNN模型;说明该模型具有较好的分类效果,且inception V1模型的融入能提高文本分类的准确率。