一种深度学习的信息文本分类算法

针对传统文本分类算法准确率低和正确率分布不均匀的问题,提出了基于深度学习的文本分类算法.深度信念网络具有强大的学习能力,可以从高维的原始特征中提取高度可区分的低维特征,不仅能够更全面的考虑到文本信息量,而且能够进行快速分类.采用TF-IDF方法计算文本特征值,利用深度信念网络构造分类器进行精准分类.实验结果表明,与支持向量机、神经网络和极端学习机等常用分类算法相比,该算法有更高的准确率和实用性,为文本的分类研究开拓了新思路.