马成龙
- 作品数：2 被引量：15H指数：2
- 供职机构：中国科学院声学研究所更多>>
- 发文基金：中国科学院战略性先导科技专项国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于概率语义分布的短文本分类被引量：9
- 2016年
- 在短文本分类中,面对特征稀疏的短文本,如何充分利用文本中的每一个词语成为关键.本文提出概率语义分布模型的思想,首先通过查询词矢量词典,将文本转换为词矢量数据;其次,在概率语义分布模型的假设下利用混合高斯模型对无标注的文本数据进行通用背景语义模型训练;利用训练数据对通用模型进行自适应得到各个领域的目标领域语义分布模型;最后,在测试过程中,计算短文本属于领域模型的概率,得到最终的分类结果.实验结果表明,本文提出的方法能够从一定程度上利用短文本所提供的信息,有效降低了对训练数据的依赖性,相比于支持向量机(Support vector machine,SVM)和最大熵分类方法性能相对提高了17.7%.
- 马成龙颜永红
- 关键词：高斯混合模型
- 基于词矢量相似度的短文本分类被引量：6
- 2014年
- 互联网中出现的短文本内容短小，相互共享的词汇较少，因此在分类过程中容易出现大量的集外词，导致分类性能降低。鉴于此，提出了一种基于词矢量相似度的分类方法，首先利用无监督的方法对无标注数据进行训练得到词矢量，然后通过词矢量之间的相似度对测试集中出现的集外词进行扩展。通过与基线系统的对比表明，该方法的分类正确率均优于基线系统1％-2％，尤其是在训练数据较少的情况下，所提出的方法的正确率相对提高10％以上。
- 马成龙姜亚松李艳玲张艳颜永红
