基于词袋模型和TF-IDF的短文本分类研究

摘 要: 自然语言处理是人工智能领域中的一个热门方向，而文本分类作为自然语言处理中的关键技术受到专家 学者的广泛关注。随着计算机网络的发展，海量的文本踊跃出来。文本越来越多，通过人工对文本进行分类的成本越来 越高。本文针对短文本分类问题，使用词袋模型从词向量中提取词频矩阵，删除停止词与低频词。再使用TF-IDF算法 提取文本特征，进行文本分类研究，最终可以使短文本以较高的正确率归类。