基于维基百科类别的文本特征表示

• 作者: 张俐 王会珍 王锦
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 文本分类 维基百科类别 文本表示
• 年，卷（期）: 2011,（2）
• 页码范围: 27-31
• 分类号: TP391
• 字数: 5047字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2011.02.005

摘要

该文提出了基于维基百科类别体系的文本特征表示方法,方法是将文本中的词映射到维基百科的类别体系中,使用类别作为特征来对文本进行表示.基于维基类别的文本特征表示方法可以增强文本特征表示能力,降低文本特征空间维数.针对维基百科条目在语料中覆盖度不足的问题,该文提出了一种基于全局信息自学习维基百科类别的方法.该文构造基于维基百科类别为文本表示的分类系统,实验结果证明,基于维基百科类别作为文本表示特征,相对于词袋模型,具有明显的降维效果,在当特征数量较少时(如:＜700),分类的F1值提高了5.14%.