基于隐马尔科夫模型与语义融合的文本分类

• 作者: 徐林会 高知新
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 隐马尔科夫模型 语义融合 word2vec 信息增益 文本分类
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 算法
• 页码范围: 303-307
• 页数: 5页
• 分类号: TP3
• 字数: 3965字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.07.056

摘要

提出一种融合语义的隐马尔科夫模型用于文本分类的方法.将特征词的语义作为先验知识融合到隐马尔科夫分类模型中.通过信息增益提取特征词,用word2vec提取特征词语义,将每一个类别映射成一个隐马尔科夫分类模型,模型中状态转移过程就是该类文本生成过程.将待分文本与分类模型做相似度比较,取得最大类别输出概率.该方法不仅考虑特征词、词频、文档数量先验知识,而且将特征词语义融合到隐马尔科夫分类模型中.通过实验评估,取得了比原HMM模型和朴素贝叶斯分类模型更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高知新	辽宁工程技术大学理学院	7	56	5.0	7.0
2	徐林会	辽宁工程技术大学理学院	2	4	1.0	2.0