公开(公告)号：CN107239529B

公开(公告)日：2020-06-09

申请号：CN201710395849.7

申请日：2017-05-27

Applicant: 中国矿业大学

Inventor： 周勇 ,  刘兵 ,  刘敬学 ,  王重秋

IPC: G06F16/35 ,  G06N3/08

Abstract: 本发明提出一种基于深度学习的舆情热点类别划分方法，主要包括：训练数据集的采集和预处理，建立概率主题表示模型，对文本数据集进行文档‑主题和主题‑词汇两个概率分布表示，并将表示成的主题‑词汇矩阵输入到预先搭建好的神经网络模型中训练学习文本特征，网络输出层选择Softmax归一化处理分类预测。本发明一是解决了长文本舆情热点数据的降维问题，提高了分类算法的效率。二是采用深度学习的方法实现了舆情热点信息的深层特征的自动提取，使得舆情热点多种类划分更加准确。

公开(公告)号：CN107239529A

公开(公告)日：2017-10-10

申请号：CN201710395849.7

申请日：2017-05-27

Applicant: 中国矿业大学

Inventor： 周勇 ,  刘兵 ,  刘敬学 ,  王重秋

IPC: G06F17/30 ,  G06N3/08

Abstract: 本发明提出一种基于深度学习的舆情热点类别划分方法，主要包括：训练数据集的采集和预处理，建立概率主题表示模型，对文本数据集进行文档‑主题和主题‑词汇两个概率分布表示，并将表示成的主题‑词汇矩阵输入到预先搭建好的神经网络模型中训练学习文本特征，网络输出层选择Softmax归一化处理分类预测。本发明一是解决了长文本舆情热点数据的降维问题，提高了分类算法的效率。二是采用深度学习的方法实现了舆情热点信息的深层特征的自动提取，使得舆情热点多种类划分更加准确。