基于SAELBP的网页分类研究

摘要 在网页分类技术中，SVM、BP神经网络和Naive Bayes等传统分类器主要采用了信息增益、互信息和最大熵等模型选取特征.随着深度学习的发展，深层次地选取特征的方法正在被广泛研究.结合稀疏自动编码器(SAE)和LBP神经网络，提出一种基于SAELBP的网页分类器.根据网页文本的半结构化特征，改进了文本特征表示的权重计算.针对网页文本的稀疏性，采用SAE对网页文本进行特征选取.还提出一种基于学习率自动调整的LBP神经网络，有效地降低了训练时间.实验表明，相对于传统的BP神经网络，基于SAELBP的网页分类器的分类正确率提升了5.19%，时间性能提升了83.86%.