基于Python+word2vec模型的词向量化文本分类算法 课程报告+源码及数据

基于 word2vec 实现文本分类

目录

基于 word2vec 实现文本分类	1

实验目的及实验内容	1

实验目的：	1

实验内容：	1

原理分析：	1

实验环境	6

实验结果总结	17

实验目的及实验内容

（本次实验所涉及并要求掌握的知识；实验内容；必要的原理分析） 小题分

实验目的：

用 Python 进行词向量化，学习并使用文本分类算法。

实验内容：

完成基于 word2vec 模型的文本分类任务；

完成基于 Naive Bayesian 的文本分类任务。

要求使用 python 语言编写(或者自选语料库和任务，但要求必须使用 word2vec 和其中一种分类算法完成两次分类任务) 语料库使用群里面提供的素材或者自选。

实验报告中应写出所使用的算法基本原理。

原理分析：

基于 word2vec 模型的文本分类任务

进行文本分类之前，首先要让计算机理解文本，因此需要用一些数学符号或者编码方式来表示文本，该过程被称为文本表示。文本表示的方法有很多种，常用几种方式的如下图所示：