[发明专利]一种基于特征扩展的短文本分类方法、装置以及设备

权利要求书

1.一种基于特征扩展的短文本分类方法，其特征在于，包括：

对待处理短文本进行预处理后，提取所述待处理短文本的文本特征；

检测所述文本特征中是否包含有待更新特征；其中，所述待更新特征为不存在于预先构建的特征空间内且不是词聚类指示矩阵经过降维处理后被删除的特征；所述词聚类指示矩阵为预先对短文本训练集的关系矩阵进行非负矩阵分解后得到的；所述特征空间为预先对所述词聚类指示矩阵进行降维处理后得到的；

若所述文本特征中不存在所述待更新特征，则根据所述特征空间确定所述待处理短文本的最相关特征；

依据所述最相关特征选择扩展特征，将所述扩展特征扩充至所述文本特征中，实现对所述待处理短文本的特征扩展；

完成所述待处理短文本的特征扩展后，利用预设分类器算法对所述待处理短文本进行分类识别，以便获得所述待处理短文本的分类结果；

其中，所述词聚类指示矩阵是预先通过对短文本训练集的关系矩阵进行非负矩阵分解后得到的包括：

对所述短文本训练集进行预处理，获取单词集；依据所述短文本训练集和所述单词集，构造关系矩阵；构造所述短文本训练集的文本关联矩阵；构造所述单词集的词关联矩阵；利用基于流行正则化的非负矩阵三分解法、所述文本关联矩阵和所述词关联矩阵，对所述关系矩阵进行分解，得到所述词聚类指示矩阵。

2.如权利要求1所述的短文本分类方法，其特征在于，所述检测所述文本特征中是否包含有待更新特征后还包括：

若所述文本特征中包含有所述待更新特征，则将所述文本特征划分为a个待更新特征和在所述特征空间内已存在的q个已知特征；

根据所述特征空间中一个包含且仅包含所述q个已知特征的子集，确定所述a个待更新特征的聚类指示矩阵；

将所述聚类指示矩阵输入至所述特征空间中，得到更新后的目标特征空间；

利用所述目标特征空间，确定所述待处理短文本的最相关特征，以便利用所述最相关特征实现对所述待处理短文本的特征扩展。

3.如权利要求2所述的短文本分类方法，其特征在于，所述根据所述特征空间中一个包含且仅包含所述q个已知特征的子集，确定所述a个待更新特征的聚类指示矩阵包括：

通过所述q个已知特征的聚类指示平均值分别确定每个待更新特征的聚类指示值；

根据所述每个待更新特征的聚类指示值，确定所述a个待更新特征的聚类指示矩阵。

4.如权利要求2所述的短文本分类方法，其特征在于，所述利用所述目标特征空间计算得到所述待处理短文本的最相关特征，以便利用所述最相关特征实现对所述待处理短文本的特征进行扩展包括：

将所述子集与包含p个特征词的所述目标特征空间相乘计算得到目标矩阵；

对所述目标矩阵进行压缩，将所述目标矩阵的每列数值累加后求均值，得到P维的目标向量；

根据所述目标向量中特征相关性的大小，顺序选取K个目标特征对所述待处理短文本进行特征扩展。