1
xxx 大学信息与电气工程学院 2017－2018 学年第 2 学期
《数据挖掘(研)》课程论文
课程号：220121160-01
任课教师 xxx 成绩
论文题目：（可指定题目，也可说明题目范围。）
基于卷积神经网络的文本分类
论文要求：（对论文题目、内容、行文、字数等作出判分规定。）
1、结合自己感兴趣的实际应用领域，自拟题目，并使用本学期
数据挖掘课程中所学习的基本数据分析和处理方法，包括数据预处
理、探索性分析、数据仓库、相似度计算、决策树分类、最近邻分
类、朴素贝叶斯分类、逻辑回归、支持向量机、神经网络、关联规
则、K-means 聚类、层次聚类和密度聚类等知识，对所解决的实际问
题从基本理论、数学原理、算法设计、数据描述和实验结果与分析
等角度展开描述。
2、要求论文结构清晰、语言通顺、图文并茂，字数不少于 5000
字。正文首行缩进 2 个汉字，多倍行距设置为 1.25，字体要求汉字
为宋体，英文为 Times New Roman，大小为小四。论文一定要亲自
撰写，自己动手设计算法和编写程序，如发现论文来自网上，或是
抄袭他人，按作弊处理，本门课程考核总成绩计 0 分。
3、上交论文电子版时每人提交一个文件夹，里面包含论文电子
版和程序文件夹；文件夹和论文电子版的命名格式统一为“学号-姓
名-班级-论文题目”。此外，必须上交论文的打印稿，并要与电子稿
的内容一致，不规范者将酌情扣分。
教师评语：
教师签字：
年 月 日
引言
文本分类是指按照预先定义的主题类别，为文档集合中的每个文档确定一个类别.
文本分类是文本挖掘的一个重要内容。
所谓文本分类，是指对所给出的文本，给出预定义的一个或多个类别标号，对文
本进行准确、高效的分类.它是许多数据管理任务的重要组成部分。
文本分类是指在给定的分类体系下，根据文语义元是统计语义方法中的原子，是
不可分本的内容自动确定文本类别的过程.当前的文本割的最小单位，在文本分类中
语义元是词。
相比于英文文本分类，中文文本分类的一个重要的差别在于预处理阶段：中文文
本的读取需要分词，不像英文文本的单词那样有空格来区分。从简单的查词典的方法，
到后来的基于统计语言模型的分词方法，中文分词的技术已趋于成熟。比较有影响力
的当属中国科学院计算所开发的汉语词法分析系统 ICTCLAS，现已公开发布供中文
文本分类的研究使用。
在很长一段时间内，中文文本分类的研究没有公开的数据集，使得分类算法难以
比较。现在一般采用的中文测试集有：北京大学建立的人民日报语料库、清华大学建
立的现代汉语语料库等
其实一旦经过预处理将中文文本变成了样本矢量的数据矩阵，那么随后的文本分
类过程和英文文本分类相同，也就是随后的文本分类过程独立于语种。因此，当前的
中文文本分类主要集中在如何利用中文本身的一些特征来更好地表示文本样本。
一、基本理论
卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络，它
的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。
它包括卷积层(convolutional layer)和池化层(pooling layer)。
一般地，CNN 的基本结构包括两层，其一为特征提取层，每个神经元的输入与
前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其
它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个
特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射
结构采用影响函数核小的 sigmoid 函数作为卷积网络的激活函数，使得特征映射具有
学院 信电学院 专业 计算机类 班级 1502 本 本专 学号 20152203055 姓名 彭文祥
密封线 学生须将文字写在此线以下
资源评论
