面向中文新闻文本分类的融合网络模型

胡玉兰，赵青杉，陈 莉，牛永洁

(1.忻州师范学院 计算机系,山西 忻州 034000；2.西北大学 信息科学与技术学院,陕西 西安 710127；3.延安大学 数学与计算机科学学院,陕西 延安 716000)

0 引言

随着科技的快速发展，互联网已经成为信息传播的主要载体。面对互联网产生的大量文档，尤其是数量惊人的中文文档，如何从中获得有用的信息显得尤为重要。文本分类不仅可以有效地管理和筛选信息，而且在网络搜索、信息检索和排序、自动摘要生成等方面也能发挥重要的作用[1]。同时，文本分类也是自然语言处理中的重要任务之一。

对中文文本来说，由于其语义模糊、词性构成复杂、各部分信息在文档中分布不对称。因此，在建立有效的中文文本分类模型之前，首先需要将文本转换成计算机和模型可识别的形式[2-3]，然后提取一些有效的特征信息，最后才能使用有效的分类算法对所提取的特征进行训练，最终达到区分文本类别的目的。

最初文本表示的主要方法是向量空间模型(Vector Space Model,VSM)或基于VSM的改进模型。在VSM中，将每个文本都表示为一个向量，其中的元素就是所谓的文本特征。然而，VSM存在的一个最大的问题就是数据稀疏问题，常常需要通过信息增益等方法来提取进一步的特征信息[4]。但是，这些方法只是一定程度上的缓解，并未真正解决问题。于是，后来研究者们转向了研究基于神经网络的文档分布式表示，进而实现了文档的词向量表示。

过去几年，根据对应的词向量，出……