基于Word2vec的文档分类方法

被引：9

作者：

陈杰

陈彩

梁毅

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

页码：159 / 164

页数：6

共 6 条

[1]

Web挖掘中的降维和分类方法研究.[D].孙建涛.清华大学.2005, 08

[2] 基于Word2Vec的一种文档向量表示 [J].