基于词袋模型和TF-IDF的短文本分类研究
来源期刊：软件工程2020年第3期
论文作者：黄春梅 王松磊
文章页码：1 - 3
关键词：自然语言处理;短文本分类;词袋模型;TF-IDF;
摘 要：自然语言处理是人工智能领域中的一个热门方向,而文本分类作为自然语言处理中的关键技术受到专家学者的广泛关注。随着计算机网络的发展,海量的文本踊跃出来。文本越来越多,通过人工对文本进行分类的成本越来越高。本文针对短文本分类问题,使用词袋模型从词向量中提取词频矩阵,删除停止词与低频词。再使用TF-IDF算法提取文本特征,进行文本分类研究,最终可以使短文本以较高的正确率归类。
黄春梅，王松磊
哈尔滨师范大学计算机科学与信息工程学院
摘 要：自然语言处理是人工智能领域中的一个热门方向,而文本分类作为自然语言处理中的关键技术受到专家学者的广泛关注。随着计算机网络的发展,海量的文本踊跃出来。文本越来越多,通过人工对文本进行分类的成本越来越高。本文针对短文本分类问题,使用词袋模型从词向量中提取词频矩阵,删除停止词与低频词。再使用TF-IDF算法提取文本特征,进行文本分类研究,最终可以使短文本以较高的正确率归类。
关键词：自然语言处理;短文本分类;词袋模型;TF-IDF;
