基于fastText的中文文本分类

• 作者: 代令令 蒋侃
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 文本分类 fastText 线性分类器 快速文本分类模型
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 数据挖掘
• 页码范围: 35-40,85
• 页数: 7页
• 分类号: TP391
• 字数: 5838字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.05.008

摘要

在保证文本分类准确率的情况下缩短分类时间一直是文本分类领域的一个研究目标.针对目前文本分类处理过程复杂且耗时过长的问题,将Facebook开源的句子分类和单词特征学习模型fastText引入到中文文本分类领域中,并验证其在中文分类中的效果.相对于目前主流的文本分类方法,基于fastText模型的分类方法在保证分类效果的同时,大大缩短了分类时间.此外,在分类准确率和参数设置方面进行分析并得出相应的优化规则.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋侃	广西大学计算机与电子信息学院	42	619	14.0	24.0
2	代令令	广西大学计算机与电子信息学院	1	11	1.0	1.0