自编码网络短文本流形表示方法

来源：浙江大学学报·工学版杂志2015年第8期北京时间：

作者：魏超, 罗森林, 张竞, 潘丽敏

单位：北京理工大学 信息与电子学院,北京 100081

摘要：针对短文本分类任务中文本表示存在的高维稀疏问题,提出基于自编码网络的短文本流形表示方法.通过自编码网络重构文本得到流形映射,提取短文本的流形特征,实现非线性降维.根据标签与多篇文本在高维观测空间的全局映射关系,对已有流形映射进行整体调整,扩充短文本信息得到最佳流形表示模型,使用该模型得到短文本流形表示.结合SVM、KNN、Nave-Bayes 3种分类算法,该方法在公开数据源的Macro_F1均超过97.8%,分类效果优于VSM、LDA、LSI.结果表明,该模型生成的流形表示能以非稀疏形式更准确地描述短文本特征信息,使分类效果得到显著提升.

关键词：

基金资助：国家242信息安全计划资助项目（2005（48））；北京理工大学科技创新计划重大项目培育专项资助项目（2011CX01015）.