基于词嵌入的短文本扩展分类方法

• 作者: 卢俊宇 周翔翔
• 来源期刊: 指挥信息系统与技术
• 学科: 工学
• 关键词: Word2vec 词频?逆文本频率 相似度 文本表示 特征扩展
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 实践与应用
• 页码范围: 70-73
• 页数: 4页
• 分类号: TP311
• 语种: 中文
• DOI: 10.15908/j.cnki.cist.2020.04.012

摘要

短文本因其文本较短和文本特征稀疏,导致信息量少且抗噪能力弱,因此短文本分类问题面临着巨大挑战.提出了词嵌入、词相似度和词重要性共同作用的文本表示方法,在Word2vec上引入词语相似度,并通过相似度与词频?逆文本频率(TF?IDF)的乘积来表示扩展词语对短文本的影响因子,并构造短文本向量,从而实现短文本分类.试验结果表明,该方法的分类准确率优于传统的词袋法、直接采用Word2vec训练的词向量、词向量不加权直接扩展和仅考虑TF?IDF加权扩展等方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢俊宇		1	0	0.0	0.0
2	周翔翔		1	0	0.0	0.0