文献类型：期刊文章

作　　者：胡万亭[1] 贾真[2]

HU Wan-Ting;JIA Zhen(Puyang Institute of Technology,Henan University,Puyang 457000,China;School of Information Science and Technology,Southwest Jiaotong University,Chengdu 611756,China)

机构地区：[1]河南大学濮阳工学院,濮阳457000 [2]西南交通大学信息科学与技术学院,成都611756

出　　处：《计算机系统应用》

基　　金：国家重点研发计划(2017YFB1401401)。

年　　份：2020

卷　　号：29

期　　号：5

起止页码：275-279

语　　种：中文

收录情况：IC、ZGKJHX、普通刊

摘　　要：在文本分类中,基于Word2Vec词向量的文本表示忽略了词语区分文本的能力,设计了一种用TF-IDF加权词向量的卷积神经网络(CNN)文本分类方法.新闻文本分类,一般只考虑正文,忽略标题的重要性,改进了TFIDF计算方法,兼顾了新闻标题和正文.实验表明,基于加权词向量和CNN的新闻文本分类方法比逻辑回归分类效果有较大提高,比不加权方法也有一定的提高.

关 键 词：文本分类 TF-IDF技术  Skip-gram模型  词向量  卷积神经网络

分 类 号：TP391.1] TP18[计算机类]