شبکه عصبی پویا برای طبقه بندی متن

سازماندهی اطلاعات در قالب طبقه بندی مستندات زبان طبیعی در دسته های از قبل مشخص شده یکی از روش های مهم مدیریت اطلاعات محسوب میشود .این تحقیق یک روش برای طبقه بندی متن با استفاده از یک شبکه عصبی ساده به نام شبکه عصبی پویا طبقه بندی متن (Network Neural Classifier Text Dynamic (پیشنهاد می کند. این شبکه عصبی با استفاده از بردارهای ورودی از کلمات با ابعاد متغیر بدون از دست دادن اطلاعات کار می کنند که به این بردارها، بردار نشانه پویا Dynamic( (Vectors Token گفته می شود . این شبکه های عصبی برای طبقه بندی طراحی متن های بزرگ و کوتاه در دسته های مختلف ارایه شده است. فرایند یادگیری آن ترکیبی از یادگیری رقابتی و هب است. با توجه به ترکیب این قواعد یادگیری، شبکه عصبیقادر به کار در یک حالت باناظر و یا نیمه ناظر است. شبکه مورد استفاده در این مقاله بسیار ساده است، نتایج حاصل از ارزیابی اینروش، بهبود مسیله طبقه بندی متن را با استفاده از DTCNN در مقایسه با روش های پایه نشان می دهد.

کلیدواژه ها:

شبکه عصبی ، طبقه بندی متن ، بردار نشانه پویا