聂维 刘小豫 康世英

【摘  要】特征提取是当前关于文本挖掘、自然语言处理、信息检索、文本情感分析和网络舆情分析等领域的研究重难点。一方面，特征提取是基于文本挖掘系统的基本因素;另一方面，从文本分类结果的角度而言，文本特征提取性能是分类结果的重要衡量指标。因此，论文详细地阐述了传统的文本特征提取方法和深度学习视域下的文本特征提取方法，并对基于深度学习视域下的文本特征提取方法在实际应用中出现的问题进行分析和创新，以期能够帮助提高提取效率和提取质量。

【Abstract】Feature extraction is an important and difficult topic in the field of text mining， natural language processing， information retrieval， text sentiment analysis and network public opinion analysis. On the one hand， feature extraction is the basic factor of text mining system; on the other hand， from the perspective of text classification results， text feature extraction performance is an important measure of classification results. Therefore， this paper elaborates the traditional text feature extraction methods and text feature extraction methods from the perspective of deep learning， and analyzes and innovates the problems in the practical application of text feature extraction methods from the perspective of deep learning， so as to help improve the extraction efficiency and quality.

【關键词】深度学习;文本特征;提取方法;自然语言处理

【Keywords】deep learning; text feature; extraction method; natural language processing

【中图分类号】TP391.1;TP18                                【文献标志码】A                                   【文章编号】1673-1069（2020）09-0190-02

1 当前对文本特征提取的主要方法

随着信息技术的不断发展，计算机网络的应用已经成为日常生活中不可缺少的组成部分。随着近年来云计算应用和大数据的兴起，网络中所存储的文件数量和内容都越来越多，越来越广泛。在保证大量存储文件中的文本信息能够得到有效管理和组织的基础上，如何快速、准确地获取到文本信息中的内容成为当前文本挖掘、信息检索或是网路舆情信息分析等行业首要解决的问题。由于网络文本信息内容具有多样性、复杂性、不规范性和冗余性的特点，因此，在对网络文本信息进行特征提取时首先要对高纬度特征进行降维。另一方面，在高纬度特征空间中，提取最优特征子集也可以归纳至特征提取方法中。……