面向文本分类的有监督显式语义表示

• 作者: 兰艳艳 孙飞 程学旗 郭嘉丰
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 文本分类 文本表达 有监督显式语义表示
• 年，卷（期）: 2017,（3）
• 页码范围: 550-558
• 页数: 9页
• 分类号: TP391
• 字数: 7619字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2017.03.014

摘要

文本表示作为文本分类的一个基本问题,一直广受关注.目前文本表示主要有词袋模型、隐式语义表达和基于知识库的显式语义表达3种方式.本文首先分析对比了这3种文本表示方式在文本分类中的效果.实验发现,基于知识库的显式语义表达并没有如预期一样提高文本分类的效果.经分析,其原因在于显式语义表达在扩展文档表达时易引入噪声.针对该问题,本文提出了一种有监督的显式语义表达方法.该方法利用数据集的标注信息识别文档中与分类最相关的核心概念,并扩展核心概念以形成文档显式语义表达.3个标准分类数据集上的结果证实了本文所提文本表示方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程学旗	中国科学院计算所网络数据科学与技术重点实验室	160	4858	31.0	67.0
2	孙飞	中国科学院计算所网络数据科学与技术重点实验室	20	85	3.0	9.0
3	兰艳艳	中国科学院计算所网络数据科学与技术重点实验室	13	66	5.0	8.0
4	郭嘉丰	中国科学院计算所网络数据科学与技术重点实验室	22	942	9.0	22.0