Влияние векторного представления на качество классификации документов

Abstract

В данной работе рассматривается задача тематической классификации текстовых документов. Исследуется зависимость качества классификации от способа векторного представления документов. В качестве алгоритма классификации используется Метод Опорных Векторов (SVM). Исследуются два параметризованных класса векторизации документов, включающих в себя такие широко распространенные модели векторного представления, как TF-IDF, частотная и бинарная модели.

This paper deals with problem of subject classification of text documents. We study the dependence of the quality classification of the mode of the vector representations of documents. As a classification algorithm using the method of support vectors (SVM). We investigate two classes of parametrized tracing documents, which include such popular models of the vector representation, as TF-IDF, frequency, and binary models.