基于多种特征池化的中文文本分类算法附视频

被引：11

作者：

阳馨

蒋伟

刘晓玲

机构：

[1] 四川水利职业技术学院

来源：

四川大学学报(自然科学版) | 2017年 / 02期

关键词：

中文文本分类; 池化; 分类算法; Skip-gram; Softmax;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

文本分类是文本挖掘的一个内容,在信息检索、邮件过滤及网页分类等领域有着广泛的应用价值.目前文本分类算法在特征表示上的信息仍然不足,对此本文提出了基于多种特征池化的文本分类算法.在该算法中,本文首先对分词后的文本采用skip-gram模型获取词向量,然后对整个文本的词向量进行多种池化,最后将多种池化的特征作为一个整体输入到Softmax回归模型中得到文本的类别信息.通过对复旦大学所提供的文本分类语料库(复旦)测试语料的实验,该结果表明,本文所给出的多种特征池化方法能够提高文本分类的准确率,证明了本文算法的有效性.

引用

页码：287 / 292

页数：6

共 9 条

[1] 用BP神经网络实现中文文本分类 [J].

火善栋 .

计算机时代, 2015, (11) :58-61

[2] 基于情感字典与连词结合的中文文本情感分类 [J].

刘玉娇 ;

琚生根 ;

伍少梅 ;

苏翀 .

四川大学学报(自然科学版), 2015, 52 (01) :57-62

[3] 基于改进TFIDF算法的文本分类研究 [J].

郑霖 ;

徐德华 .

计算机与现代化, 2014, (09) :6-9+14

[4] 基于表示学习的中文分词算法探索 [J].

来斯惟 ;

徐立恒 ;

陈玉博 ;

刘康 ;

赵军 .

中文信息学报 , 2013, (05) :8-14

[5] 基于支持向量的迭代修正质心文本分类算法 [J].

王德庆 ;

张辉 .

北京航空航天大学学报, 2013, (02) :269-274

[6] 基于改进的模糊聚类RBF网络集成的文本分类方法 [J].

张爱科 ;

符保龙 ;

李辉 .

四川大学学报(自然科学版), 2012, (06) :1235-1239

[7]

A nomogram was developed to enhance the use of multinomial logistic regression modeling in diagnostic research[J] . Loes C.M. Bertens,Karel G.M. Moons,Frans H. Rutten,Yvonne van Mourik,Arno W. Hoes,Johannes B. Reitsma.Journal of Clinical Epidemiology . 2015

[8] Health assessment and fault classification for hydraulic pump based on LR and softmax regression [J].

Ding, Yu ;

Ma, Jian ;

Tian, Ye .

JOURNAL OF VIBROENGINEERING, 2015, 17 (04) :1805-1816

[9]

Combining language and vision with a multimodal skip-gram model .2 Lazaridou A,Pham N T,Baroni M. Proceedings of the 2015Annual Conference of the North American Chapter of the ACL . 2015

← 1 →