基于自适应矩阵分解和动态差分技术的文本分类预测方法

基于自适应矩阵分解和动态差分技术的文本分类预测方法，属于文本分类预测技术领域。解决了现有文本数据在分解或直接应用于高维度的原始文本数据时存在易泄露或分类精度低的问题。本发明获取目标文本数据，使用BERT模型将目标文本数据转换成特征向量；对所述特征向量进行均值和标准差计算，进而获得标准特征向量；计算标准特征向量的稀疏度；根据所述稀疏度自适应选择奇异值分解或主成分分析方法对所述特征向量进行降维，采用注意力机制，为降维后的特征向量动态添加拉普拉斯噪声，对包含噪声的特征向量进行格式转换封装后输入到前馈神经网络模型，预测获取目标文本的类别。本发明适用于文本分类预测。