基于GloVe与SVM的文本分类研究

• 作者: 田大钢 郑亚南
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 词向量 GloVe SVM 文本分类
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 45-48,52
• 页数: 5页
• 分类号: TP301
• 字数: 4478字
• 语种: 中文
• DOI: 10.11907/rjdk.172991

摘要

词向量在自然语言处理中起着重要作用,近年来受到越来越多学者关注.然而,在词向量研究中,基于Word2vec词向量的应用研究居多,对于GloVe词向量的应用研究却很少.因此,将GloVe词向量模型与支持向量机(SVM)相结合,利用GloVe词向量模型进行特征提取与选择,利用SVM进行分类,并与Word2vec词向量结合SVM作实验对比.实验结果表明,GloVe词向量特征提取与SVM分类相结合的方法能够取得较好的准确率、召回率及F值,因此在新闻文本分类中具有一定应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田大钢	上海理工大学管理学院	54	437	12.0	19.0
2	郑亚南	上海理工大学管理学院	1	4	1.0	1.0