公开(公告)号：CN109657061A

公开(公告)日：2019-04-19

申请号：CN201811573390.6

申请日：2018-12-21

申请人： 合肥工业大学

发明人： 胡学钢 ,  唐雪涛 ,  朱毅 ,  李培培

IPC分类号： G06F16/35 ,  G06K9/62

CPC分类号： G06K9/6276

摘要： 本发明公开了一种针对海量多词短文本的集成分类方法，包括：1获取多词短文本集合，并对多词短文本进行分词预处理；2在分词结果上利用Word2vec词向量表示方法中的CBOW连续词袋模型得到词向量表示模型；3基于词向量表示模型，利用Sentence2vec句向量表示方法中的PV-DM模型，构建句向量表示；4在句向量表示模型基础上利用kNN分类器预测为标记数据的类别标签。本发明能解决传统表示学习方法的“维数灾难”问题，从而提高短文本表示学习的效果，提升文本分类的精度，具有较高的鲁棒性和实用性。

公开(公告)号：CN109657061B

公开(公告)日：2020-11-27

申请号：CN201811573390.6

申请日：2018-12-21

申请人： 合肥工业大学

发明人： 胡学钢 ,  唐雪涛 ,  朱毅 ,  李培培

IPC分类号： G06F16/35 ,  G06K9/62

摘要： 本发明公开了一种针对海量多词短文本的集成分类方法，包括：1获取多词短文本集合，并对多词短文本进行分词预处理；2在分词结果上利用Word2vec词向量表示方法中的CBOW连续词袋模型得到词向量表示模型；3基于词向量表示模型，利用Sentence2vec句向量表示方法中的PV‑DM模型，构建句向量表示；4在句向量表示模型基础上利用kNN分类器预测为标记数据的类别标签。本发明能解决传统表示学习方法的“维数灾难”问题，从而提高短文本表示学习的效果，提升文本分类的精度，具有较高的鲁棒性和实用性。