基于词向量空间模型的中文文本分类方法.pdfVIP

　第 30 卷 第 10 期 合 肥 工 业 大 学 学 报 ( 自 然 科 学 版 ) Vol . 30 No . 10 　 　2007 年 10 月 J OU RN AL O F H EF EI UN IV ER SIT Y O F T EC HN OL O GY Oct . 2007 　 基于词向量空间模型的中文文本分类方法 1 1 ,2 1 胡学钢 , 　董学春 , 　谢 　飞 ( 1. 合肥工业大学 计算机与信息学院 , 安徽 合肥 　230009 ; 2 . 安徽省池州市 96 16 1 部队 12 分队 ,安徽 池州 　247 100) 摘 　要 :大多文本分类方法是基于向量空间模型的 ,基于这一模型的文本向量维数较高 ,导致分类器效率难以 提高 。针对这一不足 ,该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 ,这一分类方法取得了较高的分类精度和分类效率 。 关键词 :文本分类 ; 向量空间模型 ; K最近邻居 ; 词向量空间模型 中图分类号 : TP 182 　　　文献标识码 :A 　　　文章编号 (2007) 10126 104 Method of Chinese text categorization based on the word vector space model HU Xuegang1 , 　DON G Xuechun1 ,2 , 　XIE Fei1 ( 1. School of Comp ut er and Infor mation , Hefei U niver sit y of Technology , Hefei 230009 , China ; 2 . No . 12 Team , 96 16 1 U nit of PL A , Chizhou 247 100 , China) Abstract :Mo st of t he met ho d s of t ext cat egorization are ba sed o n t he vector sp ace mo del ,but t he high dimen sion of document vector s ba sed on t he mo del leads to difficult y in imp roving efficiency of t he cla ssifier . In view of t he def ect , a met ho d of Chine se t ext cat egorization ba sed on t he wor d vector sp ace mo del i s p re sent ed in t hi s p ap er . The charact eri stic wor ds of a t ext are defined a s sp ace vector s , an d t he wor dcla ss supp orting mat rix can be got t en by t raining ,an d t hen t he charact eri stic wor ds an d t he wor dcla ss supp ortin g mat rix are u sed for co mp uting t ext similarit y . Exp eriment show s t hat t he p re sent ed met ho d ha s higher p reci sion an d efficiency . Key words :t ext cat egorization ; vector sp a