基于WordNet概念向量空间模型的文本分类

• 作者: 张剑 李春平
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 文本自动分类 WordNet 概念向量 向量空间模型
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 174-178
• 页数: 5页
• 分类号: TP311
• 字数: 5915字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.04.054

摘要

文章提出了一种文本特征提取方法,以WordNet语言本体库为基础,以同义词集合概念代替词条,同时考虑同义词集合间的上下位关系,建立文本的概念向量空间模型作为文本特征向量,使得在训练过程中能够提取出代表类别的高层次信息.实验结果表明,当训练文本集合很小时,方法能够较大地提高文本的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李春平	清华大学软件学院	28	535	12.0	23.0
2	张剑	清华大学软件学院	23	246	8.0	15.0