计算机工程

作者：康雁, 杨其越, 李浩, 梁文韬, 李晋源, 崔国荣, 王沛尧

单位：云南大学 软件学院, 昆明 650500

关键词：文本分类,CHI方法,特征提取,K-means算法,自适应算法

基金：国家自然科学基金（61762092，61762089）；云南省软件工程重点实验室开放基金（2017SE204）。

传统的文本分类方法仅使用一种模型进行分类，容易忽略不同类别特征词出现交叉的情况，影响分类性能。为提高文本分类的准确率，提出基于主题相似性聚类的文本分类算法。通过CHI和WordCount相结合的方法提取类特征词，利用K-means算法进行聚类并提取簇特征词构成簇特征词库。在此基础上，通过Adaptive Strategy算法自适应地选择fasttext、TextCNN或RCNN模型进行分类，得到最终分类结果。在AG News数据集上的实验结果表明，该算法可较好地解决不同类别特征词交叉的问题，与单独使用的fasttext、TextCNN、RCNN模型相比，其文本分类性能显著提升。

来源：2020年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第3期