文献类型：期刊文章

作　　者：朱贺军[1,2] 马丁[3]

机构地区：[1]北京亿赛通网络安全技术有限公司,北京100085 [2]北京理工大学计算机学院,北京100081 [3]中国人民公安大学网络安全保卫学院,北京100038

出　　处：《计算机仿真》

年　　份：2015

卷　　号：32

期　　号：12

起止页码：442-446

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2015_2016、ZGKJHX、核心刊

摘　　要：针对短文本字数少,数量庞大,可伸缩性的特点,采用传统算法进行海量短文本挖掘的过程中,由于短文本性能之间特殊关联性使权重和阀值受到干扰,造成挖掘准确率低,效率差。提出基于粒子群神经网络融合算法的海量短文本挖掘方法。将短文本作为具有初始速度和初始位置的粒子,构建用于挖掘海量短文本的神经网络模型,利用粒子群对模型的链接权重和阀值进行寻优,并将搜索到最好位置和速度的粒子作为全局最优解,得到最优的连接权重和阀值,在学习的过程中,加入动量因子对学习速度进行改进,实现了准确的短文本挖掘,并提高了挖掘速度。实验结果表明,利用改进算法能够提高海量短文本挖掘的准确率和效率,效果令人满意。

关 键 词：短文本  挖掘  粒子群神经网络

分 类 号：TP311]