[发明专利]一种基于深度学习网络的短文本分类方法

权利要求书

1.一种基于深度学习网络的短文本分类方法，其特征在于，包括以下步骤：

S1：将短文本数据集进行数据清洗，得到处理后的短文本数据集；原始数据集的格式为S(s,t)|t∈[1,k]，其中s代表短文本，t为对应的类别标签，k与文本类别总数相等；

S2：将短文本数据集进行整理和切词，得到短文本词汇表、关键词词汇表、标签词汇表；

S3：将短文本数据集输入CBOW神经网络训练得到文本词向量，再用文本标签替换短文本中的关键词，训练得到标签词向量；

S4：将短文本数据集输入卷积神经网络和长短期记忆神经网络进行特征提取，将提取的特征与标签词向量求和得到查询向量，对查询向量进行注意力机制得分计算，得到卷积网络与长短期记忆网络输出的特征向量；

S5：将步骤S4得到的特征向量输入全连接层进行输出后，输入最终的损失函数层进行预测分类。

2.根据权利要求1所述的一种基于深度学习网络的短文本分类方法，其特征在于，步骤S1中的数据清洗的具体步骤包括：

S11：将短文本数据集中的无效数据进行剔除，包括短文本与其类别标签不相符，短文本标签缺失，无效的短文本；

S12：将短文本数据集中的重复数据及相似数据进行剔除，得到短文本数据集S’。

3.根据权利要求1所述的一种基于深度学习网络的短文本分类方法，其特征在于，步骤S2的具体步骤如下：

S21：构建短文本词汇表：将数据清洗后的短文本数据集S’进行整理，利用结巴分词进行单词切分，加入短文本词汇表Wt；

S22：构建标签词汇表：手动将短文本的所有问句类型文本标签加入标签词汇表Wl；

S23：构建关键词词汇表：将能够代表问句类型的一些关键词，加入关键词词汇表Wk。

4.根据权利要求1所述的一种基于深度学习网络的短文本分类方法，其特征在于，步骤S3的具体步骤如下：

S31：将数据清洗后的短文本数据集S’输入CBOW神经网络得到短文本词汇表Wt的词向量表Vt；

S32：将数据清洗后的短文本数据集S’按百分之X的比例随机抽取得到子数据集S”，将S”中短文本s的关键词用标签词汇表Wl的文本标签替换，输入CBOW神经网络，训练得到标签词汇表Wl的词向量表Vl。