基于词向量特征扩展的中文短文本分类研究

摘要

针对中文短文本词汇较少、噪声多、特征稀疏的特性,为了提高短文本分类精确度,提出一种基于维基百科词向量的特征扩展算法.利用维基百科语料集训练词向量,通过对文本关键词高相似度词集进行特征扩展,并将得到的文本用传统的分类器进行分类.实验结果表明,所提方法在短文本分类精确度上要优于其他的文本特征扩展算法.