论文部分内容阅读
文本分类是文本挖掘的一个内容，在信息检索、邮件过滤及网页分类等领域有着广泛的应用价值．目前文本分类算法在特征表示上的信息仍然不足，对此本文提出了基于多种特征池化的文本分类算法．在该算法中，本文首先对分词后的文本采用skip—gram模型获取词向量，然后对整个文本的词向量进行多种池化，最后将多种池化的特征作为一个整体输入到Softmax回归模型中得到文本的类别信息．通过对复旦大学所提供的文本分类语料库（复旦）测试语料的实验，该结果表明，本文所给出的多种特征池化方法能够提高文本分类的准确率，证明了本文算法的有