[发明专利]用于对文本进行分类的方法

权利要求书

1.一种用于对文本进行分类的方法，该方法包括以下步骤：

根据所述文本来确定文本特征；

将所述文本特征变换为主题特征；

根据所述主题特征来确定分数，其中，所述根据所述文本来确定文本特征的步骤使用下述模型，其中，所述模型是包括对所述主题特征进行操作的分类器的判别主题模型，并且所述将所述文本特征变换为主题特征的步骤被优化以最大化相对于不正确的类的分数的正确的类的分数；以及

选择针对所述文本具有最高分数的一组类标签，

所述文本特征是f_j,k(x,y)，所述变换是根据下式进行的：

g_l,k(x,y)＝h_l(f_1,k(x,y),...,f_J,k(x,y)),

其中，j是j＝1,……,J的特征类型的索引，k是与所述特征相关联的类的索引，x是所述文本，y是所述类标签的假设，并且h_l(.)是对所述文本特征进行变换的函数，并且l是所述主题特征的索引，g_l,k(x,y)是所述主题特征，

其中，在处理器中执行所述步骤。

2.根据权利要求1所述的方法，其中，所述主题特征是所述文本特征的线性变换。

3.根据权利要求1所述的方法，其中，所述模型的参数使用包括L1、L2的正则项和混合范数正则项来正则化。

4.根据权利要求1所述的方法，其中，所述文本是从来自对语音信号进行操作的自动语音识别系统的一个或更多个假设得到的。

5.根据权利要求1所述的方法，其中，所述主题特征与所述文本的语义方面有关。

6.根据权利要求1所述的方法，其中，线性变换

h_l(f_1,k(x,y),...,f_J,k(x,y))＝∑_jA_l,jf_j,k(x,y)

由特征变换矩阵A来参数化以产生所述主题特征

7.根据权利要求1所述的方法，其中，所述判别主题模型为

其中，α,β,γ是权重_，并且λ_l,k和Λ是分类参数。

8.根据权利要求7所述的方法，其中，所述权重通过交叉验证来确定。

9.根据权利要求1所述的方法，其中，根据由文本使用的自然语言的语义进行所述分类。

10.根据权利要求1所述的方法，其中，按层次结构组织所述类，其中每一个类对应于所述层次中的某一节点，其中，节点被分配给所述层次的不同的级别，其中，不同的分类参数被用于所述层次的所述级别中的一个或更多个，其中，分类是通过下述方式来进行的：遍历所述层次以评估每一个级别的按照前面的级别的类的假设调节的部分分数并且组合这些级别中的一个或更多个的类的所述部分分数以确定联合分数。

11.根据权利要求10所述的方法，其中，所述层次被表示为树。

12.根据权利要求10所述的方法，其中，所述层次被表示为有向无环图。

13.根据权利要求10所述的方法，其中，以宽度优先方式来遍历所述层次。

14.根据权利要求10所述的方法，其中，使用一个或更多个级别的分数来根据其它的级别的考虑消除假设。

15.根据权利要求14所述的方法，其中，在给定级别，根据进一步的考虑消除除了最高得分假设以外的所有假设。