基于加权词向量和卷积神经网络的新闻文本分类

• 作者: 胡万亭 贾真
• 来源期刊: 计算机系统应用
• 关键词: 文本分类 TF-IDF技术 Skip-gram模型 词向量 卷积神经网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 研究开发
• 页码范围: 275-279
• 页数: 5页
• 字数: 3746字
• 语种: 中文

摘要

在文本分类中,基于Word2Vec词向量的文本表示忽略了词语区分文本的能力,设计了一种用TF-IDF加权词向量的卷积神经网络(CNN)文本分类方法.新闻文本分类,一般只考虑正文,忽略标题的重要性,改进了TF-IDF计算方法,兼顾了新闻标题和正文.实验表明,基于加权词向量和CNN的新闻文本分类方法比逻辑回归分类效果有较大提高,比不加权方法也有一定的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾真	西南交通大学信息科学与技术学院	36	396	13.0	18.0
2	胡万亭	河南大学濮阳工学院	2	1	1.0	1.0