基于word2vec和CNN的短文本聚类研究

• 作者: 尹光花 杨俊峰
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: CNN word2vec 短文本聚类 特征提取
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 算法语言
• 页码范围: 20-22
• 页数: 3页
• 分类号: TP391.1
• 语种: 中文

摘要

文本特征提取对短文本聚类效果至关重要,针对传统的基于统计学习的特征提取方法仅停留在特征询的层面,无法表达文本上下文语义特征的问题.基于此,笔者提出了一种基于 word2vec词向量和卷积神经网络(Convolutional Neural Networks,CNN)的文本特征提取方法用于短文本聚类,首先利用 word2vec工具训练大规模语料库中的词语,以低维向量的形式表征,然后利用 CNN提取文本的深层语义特征,得到能够用于聚类的文本特征向量.实验结果表明,该方法可以有效提升短文本聚类的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹光花		3	3	1.0	1.0
2	杨俊峰		2	3	1.0	1.0