| 基于词矢量相似度的短文本分类 |
| |
| 引用本文： | 马成龙,姜亚松,李艳玲,张艳,颜永红.基于词矢量相似度的短文本分类[J].山东大学学报(理学版),2014(12):18-22,35. |
| |
| 作者姓名： | 马成龙 姜亚松 李艳玲 张艳 颜永红 |
| |
| 作者单位： | 中国科学院声学研究所,北京,100190 |
| |
| 基金项目： | 国家自然科学基金资助项目(11161140319，91120001，61271426)；中国科学院战略性先导科技专项项目(XDA06030100，XDA06030500)；国家国家高技术研究发展计划(863计划)项目(2012AA012503)；中科院重点部署项目 |
| |
| 摘 要： | 互联网中出现的短文本内容短小,相互共享的词汇较少,因此在分类过程中容易出现大量的集外词,导致分类性能降低。鉴于此,提出了一种基于词矢量相似度的分类方法,首先利用无监督的方法对无标注数据进行训练得到词矢量,然后通过词矢量之间的相似度对测试集中出现的集外词进行扩展。通过与基线系统的对比表明,该方法的分类正确率均优于基线系统1%~2%,尤其是在训练数据较少的情况下,所提出的方法的正确率相对提高10%以上。
|
| 关 键 词： | 短文本分类 词矢量相似度 集外词 |
Short text classification based on word embedding similarity |
| |
| MA Cheng-long
,
JIANG Ya-song
,
LI Yan-ling
,
ZHANG Yan
,
YAN Yong-hong.Short text classification based on word embedding similarity[J].Journal of Shandong University,2014(12):18-22,35. |
| |
| Authors: | MA Cheng-long JIANG Ya-song LI Yan-ling ZHANG Yan YAN Yong-hong |
| |
| Abstract: | |
| |
| Keywords: | short text classification word embedding similarity out of vocabulary |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
