基于维基百科类别的文本特征表示.pdfVIP

基于维基百科类别的文本特征表示· 王锦“2王会珍“2张俐。2 1．东北大学自然语言处理实验室，辽宁沈阳110004 2．医学影像计算教育部重点实验室(东北大学)，辽宁沈阳，110819 E·mail：wangjin@ics．ncu．cdu．ca 摘 要：本文提出了基于维基百科类别体系的文本特征表示方法，该方法将文本中的词映射到维基百科的类别体 系中，使用类别作为特征来对文本进行表示．基于维基类别的文本特征表示方法可以增强文本特征表示能力，降 低文本特征空间维数。针对维基百科条目在语料中覆盖度不足的问题，本文提出了一种基于全局信息自学习维基 百科类别的方法。本文构造基于维基百科类别为文本表示的分类系统，实验结果证明。基于维基百科类别作为文 本表示特征，相对于词袋模型，具有明显的降维效果，在特征数为700个时。分类的F1值提高了5．14％。 关键词：文本分类，维基百科类别，文本表示 Text esentati onUsi theWi ki i a Category Repr ng ped Lil2 WangJinl2，WangHuizhenl；,Zhang ofMedical laboratory Image University),Miniswy 2．Key Computing(Northeastern P．ILChina,110819 E-mail：wangjin@ics．nctLcdtLcn Abstract：Inthis we atext method astextfeatures．Thismethod paper9presentrepresentationbyusingwikipediacategories each andreduce can wordoftexttoone canenhancethe offeatures map ofwikipediacategories．It representationability liaedimensionsofatextvector．An is toresolvethelimited of approachpresentedbyusingclusteringtechniques coverage unknowninto Thenatext is that words developed wikipediacategoriesbymapping predefmedcategodes categorysystem usestheselearned astextfeatures．The resultsshowthattext basedon wikipedia representation categories experimental reduction,andachieves5．14％FI wikipediacategodeshastheobviouseffectofdimensionimprovementoverthe