词向量当特征维度进行svm分类

词向量是一种将单词转化为向量形式的技术。在自然语言处理中，常常使用词向量作为对单词的特征表示。词向量具有很多的应用，其中之一就是进行文本分类，例如利用支持向量机（SVM）进行分类。

当使用词向量作为特征维度进行SVM分类时，可以分为以下几个步骤：

首先，需要将文本数据进行预处理，包括对文本进行分词、去除停用词等操作。然后，利用词向量模型将处理后的文本转化为向量表示。这样，每个文本就对应了一个向量。

接着，将这些向量划分为训练集和测试集，并利用SVM算法进行分类。SVM是一种二分类算法，可以将训练集中的文本向量分为两个类别。

在训练过程中，SVM学习将文本向量映射到不同类别的超平面，使得每个类别的文本向量都在相应的一侧。这样，就可以得到一个分类器模型，并利用该模型对测试集进行分类。

最后，可以对分类结果进行评估，例如计算准确率、召回率、F1-score等指标，以判断分类模型的性能。

总之，利用词向量作为特征维度进行SVM分类，可以有效地处理文本分类问题，提高分类效果。同时，该方法可以很好地处理高维度特征，适用于大规模文本分类任务。