基于word2vec的中文图书分类研究

• 作者: 游贵荣 谢大同 谢日敏 陈杰
• 来源期刊: 云南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: word2Vec TF-IDF K最近邻 梯度提升决策树
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 335-339
• 页数: 5页
• 分类号: TP391.1
• 字数: 2878字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-8513.2018.04.013

摘要

针对高校图书馆中文图书的分类推荐个性化服务问题,结合本科专业课程体系,提出一种基于word2vee的中文文本分类的WV-TF-IDF模型.首先建立文本分类语料库FJCCT,接着利用基于神经网络的word2 vec模型和TF-IDF进行文本特征计算,然后使用KNN和GBDT文本分类算法对比WV-TF-IDF和TF-IDF模型的效果.实验结果表明基于WV-TF-IDF模型GBDT文本分类算法的正确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢大同	福建商学院信息工程系	3	3	1.0	1.0
2	游贵荣	福建商学院信息工程系	6	13	2.0	3.0
6	陈杰	福建商学院信息技术中心	6	5	1.0	2.0
7	谢日敏	福建商学院信息工程系	4	2	1.0	1.0