基于Word2vec的文档分类

首先采用 Google 的 Word2Vec 工具，从海量的文本（本文） 中，使用神经网络学习得到词典中每个词的向量表示。然后根据向量，对词 典中的每个词进行聚类，例如聚类成 500 类（新的“词典”） 。而后，使用工具 对每个文档提取代表性的关键词。每个关键词都在前面的聚类中找到自己的 类别。这样类似多媒体技术中讲授的向量空间模型（VSM） ，每个文档都可以 用过关键词词频表示成一个 500 维的向量，这个向量就是这个文档的“特征向 量”。