基于词向量空间模型的文本分类方法

• 作 者: 董学春 胡学钢 谢飞 吴共庆
• 机 构: 合肥工业大学计算机与信息学院,安徽,合肥,230009
• 出 处: 全国第17届计算机科学与技术应用(CACIS)学术会议
• 发表日期: 2006年期
• 关键词: 词向量空间模型 多文本 分类方法 支持度矩阵 效率 空间向量 矩阵计算 准确率 召回率 相似度 分类器 证明 训练 文档 维数 特征 思想 实验 词表

大多文本分类方法是基于向量空间模型的,基于这一模型的文档向量维数较高,导致分类器效率难以提高.针对这一不足,本文提出基于词向量空间模型的文本分类方法.其主要思想是把文本的特征词表示成空间向量,通过训练得到词-类别支持度矩阵,根据待分文本的词和词-类别支持度矩阵计算文本与类别的相似度.实验证明,这种分类方法不仅保持了较高的召回率和准确率还提高了分类效率.