计算机应用

作者：张阳, 王小宁

单位：1.中国传媒大学 数据科学与智能媒体学院，北京 100024；2.媒体融合与传播国家重点实验室（中国传媒大学），北京 100024

关键词：文本分类,遗传算法,特征降维,Word2Vec,文本特征

基金：北京市自然科学基金面上项目(9202018);中央高校基本科研业务费专项基金资助项目(CUC200F08)

文本特征是自然语言处理中的关键部分。针对目前文本特征的高维性和稀疏性问题，提出了一种基于Word2Vec词嵌入和高维生物基因选择遗传算法（GARBO）的文本特征选择方法，从而便于后续文本分类任务。首先，优化数据输入形式，使用Word2Vec词嵌入方法将文本转变成类似基因表示的词向量；然后，将高维词向量模拟基因表达方式进行迭代进化；最后，使用随机森林分类器对特征选择后的文本进行分类。使用中文评论数据集对所提出的方法进行实验，实验结果表明了优化后的GARBO特征选择方法在文本特征选择上的有效性，该方法成功地将300维特征降低为50维更有价值的特征，分类准确率达到88%，与其他过滤式文本特征选择方法相比，能够有效地降低文本特征维度，提高文本分类效果。

来源：2021年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第11期