面向文本分类的有监督显式语义表示

文本表示作为文本分类的一个基本问题,一直广受关注.目前文本表示主要有词袋模型、隐式语义表达和基于知识库的显式语义表达3种方式.本文首先分析对比了这3种文本表示方式在文本分类中的效果.实验发现,基于知识库的显式语义表达并没有如预期一样提高文本分类的效果.经分析,其原因在于显式语义表达在扩展文档表达时易引入噪声.针对该问题,本文提出了一种有监督的显式语义表达方法.该方法利用数据集的标注信息识别文档中与分类最相关的核心概念,并扩展核心概念以形成文档显式语义表达.3个标准分类数据集上的结果证实了本文所提文本表示方法的有效性.