基于词向量的文本分类研究

• 作者: 李沙沙 马力
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 词向量 特征扩展 Word2vec 文本分类
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 算法与分析
• 页码范围: 281-284,303
• 页数: 5页
• 分类号: TN391
• 字数: 3972字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2019.02.006

摘要

针对传统特征选择算法分类准确率较低的问题,提出了基于词向量的文本特征选择改进算法.以微博数据为研究对象进行情感分类,提出类别区分能力强的特征项的相似项同时具有较强的类别区分能力,将Word2vec训练得到的词向量应用到传统的特征选择过程中,根据词向量之间存在的相似性关联对特征项进行适当扩充.实验结果表明,所提出的特征选择算法相比原特征选择算法其分类准确率有一定程度的改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马力		81	732	15.0	24.0
2	李沙沙		1	5	1.0	1.0