用于文本情感极性分析的动态卷积神经网络超限学习算法
为改善动态卷积神经网络在文本情感分类方法中的泛化能力，提出了一种动态卷积超限学习算法。对动态卷积神经网络的输出层加以改进，使用浅层随机神经网络替代全连接层，利用参数随机生成的扰动性能，降低分类端对训练样本的依赖，避免过拟合，提升分类性能。在公共数据集上的实验证明：相对改进前的动态卷积学习算法以及超限学习机，所提出的方法在准确率、F1测度等多个标准指标上均体现了更优的分类性能。
文本情感分类、动态卷积、超限学习机、动态卷积超限学习算法
43
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61175115,61370113
2017-03-06（万方平台首次上网日期，不代表论文的发表时间）
共8页
28-35
