国产伦乱,一曲二曲欧美日韩,AV在线不卡免费在线不卡免费,搞91AV视频

當前位置:主頁 > 科技論文 > 軟件論文 >

基于MapReduce的深度學習混合模型文本分類研究

發(fā)布時間:2024-06-30 08:16
  隨著大數(shù)據(jù)時代的發(fā)展,“信息爆炸”成為人類不得不面對的嚴峻問題,而且文本信息占主要地位。傳統(tǒng)的文本分類方法已經無法處理大數(shù)據(jù)背景下規(guī)模大、維度高、結構多樣化的文本數(shù)據(jù)了。如何處理大數(shù)據(jù)面臨的技術問題和挑戰(zhàn),高效的管理和組織這些信息,成為人們需要迫切解決的問題。深度學習是具有多層神經網絡的深層非線性映射結構,可以利用較少的參數(shù)完成復雜的函數(shù)逼近,對文本數(shù)據(jù)進行多層的特征學習,從而提高分類準確率。MapReduce是面向大數(shù)據(jù)的高性能并行化處理的計算模型、平臺和框架,其可以很好的解決海量文本數(shù)據(jù)分類過程中空間存儲量不足和時間消耗長的問題。本文利用MapReduce并行計算框架和深度學習算法來進行文本分類。具體研究結果如下:1、提出了一種改進的DAE文本特征學習方法:針對傳統(tǒng)降噪自動編碼器(DAE)模型在特征表達過程中收斂速度較慢,訓練時間較長的問題。對其進行了附加自適應學習率和動量項的改進(Mom-Ada-DAE)。最后通過分別使用KNN分類算法、傳統(tǒng)DAE和Mom-Ada-DAE模型進行文本分類實驗對比。實驗證明,其Mom-Ada-DAE可以有效的降低DAE對于誤差曲面局部細節(jié)的敏感性,...

【文章頁數(shù)】:72 頁

【學位級別】:碩士

【文章目錄】:
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 文本分類國內外研究現(xiàn)狀
        1.2.2 深度學習國內外研究現(xiàn)狀
        1.2.3 MapReduce技術國內外研究現(xiàn)狀
    1.3 論文結構和創(chuàng)新點
        1.3.1 論文結構
        1.3.2 論文創(chuàng)新點
    1.4 本章小結
第2章 相關技術研究
    2.1 深度學習文本分類相關技術研究
        2.1.1 深度學習文本分類概述
        2.1.2 深度學習文本分類步驟
        2.1.3 分類性能評價指標
        2.1.4 深度學習文本分類算法
    2.2 MapReduce相關技術研究
        2.2.1 MapReduce概述
        2.2.2 MapReduce框架組成
        2.2.3 MapReduce的工作流程
        2.2.4 深度學習MapReduce過程
    2.3 本章小結
第3章 基于AdaGrad和Momentum的改進降噪自動編碼器文本分類研究
    3.1 傳統(tǒng)降噪自動編碼器(DAE)的不足
    3.2 附加AdaGrad和Momentum的改進降噪自動編碼器
        3.2.1 附加自適應學習率(Ada-DAE)
        3.2.2 附加動量項(Mom-DAE)
    3.3 基于改進的降噪自動編碼器文本分類
    3.4 實驗
        3.4.1 實驗環(huán)境
        3.4.2 實驗數(shù)據(jù)集
        3.4.3 實驗參數(shù)設置
        3.4.4 實驗結果分析
    3.5 本章小結
第4章 基于深度學習混合模型的文本分類研究
    4.1 深度學習混合模型的設計
    4.2 基于深度學習混合模型的文本分類
        4.2.1 預處理模塊
        4.2.2 文本表示模塊
        4.2.3 特征學習模塊
        4.2.4 分類識別模塊
        4.2.5 分類效果評價
    4.3 實驗
        4.3.1 實驗環(huán)境
        4.3.2 實驗數(shù)據(jù)集
        4.3.3 實驗參數(shù)設置
        4.3.4 實驗結果分析
    4.4 本章小結
第5章 基于MapReduce的深度學習混合模型的應用
    5.1 基于MapReduce的深度學習混合模型文本分類
        5.1.1 預處理的并行化
        5.1.2 VSM文本表示并行化
        5.1.3 Mom-Ada-DABN分類模型并行化
    5.2 實驗
        5.2.1 實驗環(huán)境
        5.2.2 實驗數(shù)據(jù)集
        5.2.3 Hadoop環(huán)境安裝
        5.2.4 實驗結果分析
    5.3 本章小結
第6章 總結與展望
參考文獻
致謝
在學期間主要科研成果
    一、發(fā)表學術論文
    二、其它科研成果



本文編號:3998576

資料下載
論文發(fā)表

本文鏈接:http://lk138.cn/kejilunwen/ruanjiangongchenglunwen/3998576.html


Copyright(c)文論論文網All Rights Reserved | 網站地圖 |

版權申明:資料由用戶099e4***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com
人网站三级| 久久久久久伦理片| av午夜天堂在线观看| 黄色成人激情亚洲| 一区 日韩欧美| 国产伦精品视频一区二区三区| 日本不卡人妻| 欧美日韩午夜熟女骚逼| 人妻高清精品视频在线中文字幕| 日本另类人妻手机在线视频| 大香蕉最新版| 一二三日韩在线视频,,| 激情五月很很地| 欧美99精| 日本免费视频1区2区| 天天天干夜夜夜草| 欧美日韩无欧美| 欧美视频小黄片| 一区 本庄优花 中文字幕| 日本av网址| 旡码人妻,一区| 大香蕉私生活视频在线观看| 日韩成人无码小说| 爱爱视频午夜福利多多| 中文字幕在线人妻有码视频| 人妻AⅤ一区二区一| 国产一区、日韩一区| 日本东京热激情视频| 国产综合三级片| 欧美日韩ⅩO| 久久国产日韩在线| 一级乳水,黄片免费| 在线成人综合网| 无码人妻在线观看视频| 亚洲精选一区| 奇米7777久久日韩一区二区| 青青操精品视频在线观看| 久久国产精选性爱| 爆乳美女午夜福利久久| eeuss鲁一区二区星星影院| 91国产午夜夫妻福利视频|