典型文献
基于加权Word2Vec和TextCNN的新闻文本分类
文献摘要：
随着网络和各类社交媒体的盛行,越来越多的文本信息通过互联网呈现在人们面前.对于海量的文本数据,自然语言处理技术变得越来越实用,新闻文本分类便是其中一项重要的任务,其对制定新闻检索策略、新闻推荐、社会舆情监控等具有积极作用.文章通过分析文本表示模型与分类模型的研究现状,提出一种基于加权Word2Vec和TextCNN的新闻文本分类方法,在新闻文本多分类数据上进行实验.从实验结果上来看,在文本表示模型中,该文方法比TF-IDF模型、Word2Vec模型以及随机词嵌入模型在精确率、召回率和F1值上均有提高;在文本分类模型中,文章使用的TextCNN模型要比传统的机器学习模型以及循环神经网络模型在分类效果以及模型性能方面表现更出色.
文献关键词：
新闻文本分类;自然语言处理;文本表示;文本分类
中图分类号：
作者姓名：
廖运春;舒坚
作者机构：
南昌航空大学软件学院,江西南昌330063
文献出处：
引用格式：
[1]廖运春;舒坚-.基于加权Word2Vec和TextCNN的新闻文本分类)[J].长江信息通信,2022(09):32-35
A类：
B类：
Word2Vec,TextCNN,新闻文本分类,社交媒体,盛行,文本信息,文本数据,自然语言处理技术,检索策略,新闻推荐,社会舆情,舆情监控,文本表示,表示模型,分类模型,文本分类方法,文本多分类,分类数据,TF,IDF,随机词,词嵌入模型,精确率,召回率,机器学习模型,循环神经网络模型,分类效果,模型性能,出色
AB值：
0.32947
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
