面向铁路文本分类的字符级特征提取方法

摘要：

铁路文本分类对于我国铁路事业的发展具有重要的实用意义.现有的中文文本特征提取方法依赖于事先对文本的分词处理,然而面向铁路文本数据进行分词的准确率不高,导致铁路文本的特征提取存在语义理解不充分、特征获取不全面等局限性.针对以上问题,提出了一种字符级特征提取方法CLW2V(Character Level-Word2Vec),有效地解决了铁路文本中专业词汇丰富且复杂度高所导致的问题.与基于词汇特征的TF-IDF和Word2Vec方法相比,基于字符特征的CLW2V方法能够提取更为精细的文本特征,解决了传统方法依赖事先分词而导致的特征提取效果不佳的问题.在铁路安监发牌数据集上进行的实验验证表明,面向铁路文本分类的CLW2V特征提取方法优于传统的依赖分词的TF-IDF和Word2Vec方法.

关键词：铁路短文本、字符级数据、特征提取方法、文本分类

所属期刊栏目：48

分类号：U229;TP391.1(电气化铁路)

资助基金：国家重点研发计划课题基金项目;国家自然科学青年基金项目

在线出版日期：2021-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：220-226