基于Word2vec的文档分类方法

被引：9
|
作者：
陈杰 [1 ]
陈彩 [1 ]
梁毅 [1 ]
机构：
[1] 北京工业大学信息学部
来源：
计算机系统应用 | 2017年 / 26卷 / 11期
关键词：
文档向量; 文档特征提取; 文档分类; TF-IDF; word2vec;
D O I：
10.15888/j.cnki.csa.006055
中图分类号：
TP391.1 [文字信息处理];
学科分类号：
081203 ; 0835 ;
摘要：
文档的特征提取和文档的向量表示是文档分类中的关键,本文针对这两个关键点提出一种基于word2vec的文档分类方法.该方法根据DF采集特征词袋,以尽可能的保留文档集中的重要特征词,并且利用word2vec的潜在语义分析特性,将语义相关的特征词用一个主题词乘以合适的系数来代替,有效地浓缩了特征词袋,降低了文档向量的维度;该方法还结合了TF-IDF算法,对特征词进行加权,给每个特征词赋予更合适的权重.本文与另外两种文档分类方法进行了对比实验,实验结果表明,本文提出的基于word2vec的文档分类方法在分类效果上较其他两种方法均有所提高.
引用
下载
收藏
页码：159 / 164
页数：6
相关论文
共 6 条
1