中文文本分类中的文本表示因素比较

• 作者: 向继 张爱华 荆继武
• 来源期刊: 中国科学院研究生院学报
• 学科: 工学
• 关键词: 中文文本分类 文本表示 向量化
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 论文
• 页码范围: 400-407
• 页数: 8页
• 分类号: TP31
• 字数: 6990字
• 语种: 中文

摘要

研究了中文文本分类中的文本表示方法,提出了对中文文本表示因素的分析框架,并通过对3个数据集实验结果的分析,确定了各种文本表示因素对分类效果的影响.直接使用汉字进行划分也可以获得较好的分类效果;简单的不使用很大词库的分词和使用大词库的分词,以及复杂的分词对分类效果影响不大;仅使用01表示特征是否出现也可以获得比较好的分类效果;采用综合了合理的向量取值(如使用合适的归一化算法)可以较大幅度地提高分类准确率等.这些结论为后续的应用提供了指导原则.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆继武	中国科学院研究生院信息安全国家重点实验室	63	768	16.0	26.0
2	向继	中国科学院研究生院信息安全国家重点实验室	22	315	7.0	17.0
3	张爱华	中国科技术大学电子工程与信息科学系	3	63	2.0	3.0