袁丽莉，侯 磊，张正平

（贵州大学 大数据与信息工程学院，贵阳 550025）

0 引 言

随着大数据和“互联网＋”的高速智能化发展，互联网已发展成为当今世界上最大的信息资源库，而大多数信息是以文本方式呈现出来的［1］。从这些海量且杂乱无章的数据文本中筛选出所需的有用信息是当前数据挖掘领域的研究热点。文本分类是自然语言处理（NLP）领域中的基础任务，能将复杂的文本信息有效的组织和管理，并已广泛用于信息检索、自动聊天系统、垃圾邮件过滤等领域。

目前，常用的文本分类方法可分为两类，一类是基于传统的机器学习，例如支持向量机（SVM）、决策树等；另一类是基于深度神经网络的文本分类方法，该种方法通常采用卷积神经网络（CNN）和循环神经网络（RNN），其一般流程为文本预处理、结构化表示、特征选择和分类器构建，通过学习训练得到分类模型，最后利用分类模型对测试样本进行预测，从而达到对文本分类的目的［2］。通过对当前文本分类的研究不难发现，文本表示是文本分类中的难点之一，尤其是在文本的语义表达方面最为困难。文本在机器学习中表示大多采用向量空间模型，该模型容易造成向量维数过大，数据稀疏的问题，从而影响最终分类的结果。因此，如何将文本表示为机器可以理解的形式，又保留文本原有的潜在语义至关重要［3－4］。文献［5］提出一种基于LDA 主题模型和Word2Vec 词向量模型，完成对文本词向量的构建，结合神经网络对构建的词向量获取联合特征的方法，实现文本分类；……