本文探讨了文本分类中的特征向量获取，通常使用词频向量和TFIDF表示。特征选取方法包括卡方统计、信息增益和互信息等，而TFIDF虽非特征选取方法，但在提取关键词中有一定作用。此外，提到了wordToVector技术，该技术可将文本映射为向量，尽管具体含义不明，但在文本表示上有良好效果。
虽然现在文本分类似乎已经是比较老的话题，而且我要说的也是当前大家接触过的。在做这个问题时有过一些疑惑，就当给自己解疑吧，也给有同样疑惑的人参考参考，有些自己做了一点实验，但也不全，如果有不严谨的地方，欢迎批评与指教。
1、文本特征向量到底是怎么得到的
一个文本被切分为一个一个的词，文章由这样的词的词频向量来表示，现在一般会采用TFIDF值来表示。
特征向量：当涉及文本分类时，需要提取出用于分类的特征，特征的构成是提取出来的关键字的TFIDF值，这些关键词是由从每篇文章中选取出来的关键词组成的
2、特征选取与特征表示
特征选取方法有很多：卡方统计、信息增益、互信息，SVD等，特征表示一般为TFIDF值。TFIDF不是一个特征选取方法，很多情况下，人们会用TFIDF来选取关键词，而且也能起到一定效果，确实TFIDF能在一定程度上反映词的信息，但是它只是表示这个词的一个值，并不能反映该词在总体上的重要程度。
如今还有比较火的wordToVector，将文本映射到一个向量中，这个向量每一个特
最低0.47元/天 解锁文章
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
