WordNG-Vec:一种应用于CNN文本分类的词向量模型

作者：王勇; 何养明; 邹辉; 黎春; 陈荟西

来源：小型微型计算机系统, 2019, 40(03): 499-502.

• 文本分类
• 词向量
• DC-CNN
• N-Gram特征

文本特征提取(文本输入表示)作为文本分类技术的要点,其构建质量直接影响着分类系统的分类效果.现在最流行的文本输入表示——词向量(Word Vector)虽然考虑了词的相似性但忽略了局部词序特征,在一些情况下造成文本语义上的缺失和歪曲.为此,本文提出了一种结合N-Gram特征与Word2vec的词向量模型WordNG-Vec,其提取出的词向量(Word-NG向量),作为双通道卷积神经网络模型(DC-CNN)的输入.经过多组对比实验分析表明,在精确率(precision)和召回率(recall)和F1值三个评价指标下,本文提出的方法有效提高文本分类的效果.

• 单位
  重庆理工大学