何烨辛 谷 林 孙 晨

（1.西安工程大学计算机科学学院 西安 710048）（2.西安科技大学管理学院 西安 710054）（3.西安市阎良区新型农村合作医疗经办中心 西安 710089）

1 引言

人与计算机之间怎样使用自然语言处理进行更高效的通信是在计算机技术应用领域和新一代人工智能应用领域中的一项重要研究。在现今互联网海量数据中，如何高效地实现譬如信息抽取［1］、文本挖掘［2］、网络舆情分析［3～4］、情感分析［5～6］等问题，是自然语言处理领域的研究方向。而这些问题的根本就在于如何筛选出有效的信息特征。程序编译错误信息特征的提取可以广泛应用于高校程序设计课程的学生错误类型的汇总与评价，教师可以熟练把握学生的错误方向，给予针对性的指导。高效的特征选择方法有助于提升特征筛选的质量，目前现有的特征提取方法包含词袋模型［7］、信息增益（Information Gain，IG）［8］、词频-逆向文件频率模型［9～10］（TF-IDF）模型以及神经网络［11］等相关的特征提取方法。在传统的文本特征提取方法中使用局限性较大，提取差异性较深，而神经网络模型可提供更大的数据量和更高的维度，文本特征提取的精确度更好［12］。文献［13］首先利用N-Gram算法进行特征项选取和统计权重，接下来再利用在网络舆情领域的本体抽取转换对相关原始特征项进行，然后再使用语义特征向量获得Web文字的语义特性；文献［14］针对文本特征提取输入层中的变分自动编码器设计了一种降噪机制，以减少噪声干扰并提高模型的鲁棒性和特征判别能力。……