一種基于CNN與GRU及KNN融合的政務(wù)文本數(shù)據(jù)分類方法

基本信息

申請?zhí)?/td> CN202110742255.5 申請日 -
公開（公告）號(hào) CN113590818A 公開（公告）日 2021-11-02
申請公布號(hào) CN113590818A 申請公布日 2021-11-02
分類號(hào) G06F16/35（2019.01）I;G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 王運(yùn)兵;姬少培;楊輝;顏亮;劉棟;謝建武;陳兵;董貴山 申請（專利權(quán)）人 中電科大數(shù)據(jù)研究院有限公司
代理機(jī)構(gòu) 成都九鼎天元知識(shí)產(chǎn)權(quán)代理有限公司 代理人 羅強(qiáng)
地址 610000四川省成都市高新區(qū)創(chuàng)業(yè)路6號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了一種基于CNN與GRU及KNN融合的政務(wù)文本數(shù)據(jù)分類方法，包括：將政務(wù)文本數(shù)據(jù)劃分為原始訓(xùn)練樣本與待測樣本；從原始訓(xùn)練樣本中提取標(biāo)題信息，構(gòu)建標(biāo)題信息訓(xùn)練樣本；提取訓(xùn)練樣本的特征，分別得到各自的特征向量，輸入至CNN進(jìn)行處理得到CNN特征向量以及輸入至GRU得到各自的GRU特征向量；將CNN特征向量與GRU特征向量融合，分別得到原始訓(xùn)練樣本的融合特征向量與標(biāo)題信息訓(xùn)練樣本的融合特征向量；分別對融合特征向量進(jìn)行降維，并將降維后的融合特征向量加權(quán)合并得到最終的訓(xùn)練樣本特征向量；對待測樣本進(jìn)行類似處理得到待測樣本特征向量；采用KNN方法完成待測樣本分類。本發(fā)明提出的方法能夠提取出更多有效的特征信息，有效的提高了文本分類的準(zhǔn)確率。