基于维基百科类别的文本特征表示

摘要

本文提出了基于维基百科类别体系的文本特征表示方法，该方法将文本中的词映射到维基百科的类别体系中，使用类别作为特征来对文本进行表示。基于维基类别的文本特征表示方法可以增强文本特征表示能力，降低文本特征空间维数。针对维基百科条目在语料中覆盖度不足的问题，本文提出了一种基于全局信息自学习维基百科类别的方法。本文构造基于维基百科类别为文本表示的分类系统，实验结果证明，基于维基百科类别作为文本表示特征，相对于词袋模型，具有明显的降维效果，在特征数为700个时，分类的F1值提高了5.14％。