自编码网络短文本流形表示方法

• 作者: 张竞 潘丽敏 罗森林 魏超
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 短文本表示 流形特征 自动编码网络 文本分类
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 电信技术
• 页码范围: 1591-1599
• 页数: 9页
• 分类号: TP391
• 字数: 7428字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2015.08.027

摘要

针对短文本分类任务中文本表示存在的高维稀疏问题,提出基于自编码网络的短文本流形表示方法.通过自编码网络重构文本得到流形映射,提取短文本的流形特征,实现非线性降维.根据标签与多篇文本在高维观测空间的全局映射关系,对已有流形映射进行整体调整,扩充短文本信息得到最佳流形表示模型,使用该模型得到短文本流形表示.结合SVM、KNN、Naive-Bayes 3种分类算法,该方法在公开数据源的Macro—F1均超过97.8％,分类效果优于VSM、LDA、LSI.结果表明,该模型生成的流形表示能以非稀疏形式更准确地描述短文本特征信息,使分类效果得到显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗森林	北京理工大学信息与电子学院	121	821	14.0	23.0
2	潘丽敏	北京理工大学信息与电子学院	66	402	10.0	17.0
3	魏超	北京理工大学信息与电子学院	51	521	13.0	21.0
4	张竞	北京理工大学信息与电子学院	1	7	1.0	1.0