基于深度神经网络的医药专利文本聚类模型研究

摘要

传统的基于机器学习方法进行特征提取的文本聚类模型,得到的文本特征是高维、稀疏的,且不能很好地挖掘复杂专利文本的潜在语义信息;鉴于此,文章设计了一种基于深度神经网络的医药专利文本聚类模型.首先对获取到的医药专利文本进行文本预处理,然后进行词向量训练、使用设计的CBL深度特征提取网络对医药专利文本进行深度特征提取,最后将提取到的特征作为优化K-Means聚类算法的输入,得到专利文本聚类结果.实验结果表明,提出的医药专利文本模型聚类质量在四个指标上均达到94％.