文本预处理：分词，取出停用词，过滤低频词汇，编码归一化等； 文本向量化：如使用向量空间模型VSM(Vector Space Model)或者概率统计模型对文本进行表示，使计算机能够理解计算，用的方法基于集合论模型。基于代数轮模型。基于频率统计模型等等； 文本特征提取和选择：特征提取对应着特征项的选择和特征权重的计算。

常见的文本特征（句向量）提取方法.pdf

针对同类文本中提取的关键词形式多样，且在相似性与相关性上具有模糊关系，提出一种对词语进行分层聚类的文本特征提取方法。该方法在考虑文本间相同词贡献文本相似度的前提下，结合词语相似性与相关性作为语义距离，并根据该语义距离的不同，引入分层聚类并赋予不同聚类权值的方法，最终得到以词和簇共同作为特征单元的带有聚类权值的向量空间模型。引入了word2vec训练词向量得到文本相似度，并根据Skip-Gram+Huffman softmax模型的算法特点，运用点互信息公式准确获取词语间的相关度。通过文本的分类实验表明，所提出的方法较目前常用的仅使用相似度单层聚类后再统计的方法，能更有效地提高文本特征提取的准确性。

详细介绍文本数据的四种表示模型，以及常见的6种文本数据的特征选择方法。

详细介绍文本数据的四种表示模型，以及常见的6种文本数据的特征选择方法。

这里给您提供10篇文本特征提取的论文，可不是一篇哦，可是10篇，所以需要10分

采用SVM算法进行文本特征提取 形成特征向量