【出 处】：《 计算机仿真 》 CSCD 2015年第32卷第12期 442-446页,共5页

【作 者】： 朱贺军 [1,2] ; 马丁 [3]

【摘 要】 针对短文本字数少，数量庞大，可伸缩性的特点，采用传统算法进行海量短文本挖掘的过程中，由于短文本性能之间特殊关联性使权重和阀值受到干扰，造成挖掘准确率低，效率差。提出基于粒子群神经网络融合算法的海量短文本挖掘方法。将短文本作为具有初始速度和初始位置的粒子，构建用于挖掘海量短文本的神经网络模型，利用粒子群对模型的链接权重和阀值进行寻优，并将搜索到最好位置和速度的粒子作为全局最优解，得到最优的连接权重和阀值，在学习的过程中，加入动量因子对学习速度进行改进，实现了准确的短文本挖掘，并提高了挖掘速度。实验结果表明，利用改进算法能够提高海量短文本挖掘的准确率和效率，效果令人满意。