融入内部语义关系对文本分类的影响研究

• 作者: 彭鲸桥 朱建林 杨小平
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 向量空间模型 文本分类 语义挖掘 特征矩阵
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 2015年第三届CCF大数据学术会议
• 页码范围: 82-86
• 页数: 5页
• 分类号: TP391
• 字数: 4919字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.9.015

摘要

为了在不加入外部语义知识的前提下改善向量空间模型的文本分类效果,通过挖掘语料库内部蕴含的词间关系和文本间关系,并以不同的方式融入原始的词文本矩阵,然后选择常用的SVM和KNN算法,在领域性较强的法律语料库和领域性较宽泛的新闻语料库上进行文本分类的对比实验.实验证明,加入词间关系和文本间关系通常能有效改善文本分类的效果,但是对不同的分类方法和领域特征有不同的影响,在实际应用中应该区别对待.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨小平	中国人民大学信息学院	84	967	15.0	30.0
2	朱建林	中国人民大学财政金融学院	12	33	3.0	5.0
3	彭鲸桥	中国人民大学信息学院	2	3	1.0	1.0