基于Word2Vec的微博文本分类研究

被引：20

作者：

牛雪莹

赵恩莹

机构：

[1] 太原科技大学计算机科学与技术学院

来源：

计算机系统应用 | 2019年 / 28卷 / 08期

关键词：

Word2Vec; 短文本分类; TF-IDF;

D O I：

10.15888/j.cnki.csa.007030

中图分类号：

TP391.1 [文字信息处理]; TP393.092 [];

学科分类号：

081203 ; 0835 ; 080402 ;

摘要：

以微博为代表的社交平台是信息时代人们必不可少的交流工具.挖掘微博文本数据中的信息对自动问答、舆情分析等应用研究都具有重要意义.短文本数据的分类研究是短文本数据挖掘的基础.基于神经网络的Word2vec模型能很好的解决传统的文本分类方法无法解决的高维稀疏和语义鸿沟的问题.本文首先基于Word2vec模型得到词向量,然后将类别因素引入传统权重计算方法 TF-IDF (Term Frequency-Inverse Document Frequency)设计词向量权重,进而用加权求和的方法得到短文本向量,最后用SVM分类器对短文本做分类训练并且通过微博数据实验验证了该方法的有效性.

引用

页码：256 / 261

页数：6

共 18 条

[1] 基于句子级学习改进CNN的短文本分类方法 [J].