[发明专利]聚焦的语义分类

权利要求书

1.一种计算设备，包括：

至少一个处理器；

语义分类模块，所述语义分类模块在所述至少一个处理器上能运行用以：

针对多个文档集合中的每个文档集合，确定所述文档集合中所包括的文档的语义类别的分布；

从所述多个文档集合选择第一文档集合以用于分析目标文档；

将所述目标文档的语义类别的先验分布设置为与所述第一文档集合中所包括的文档的所述语义类别的分布相等同；

使用训练数据集合和所述目标文档的所述语义类别的先验分布来执行所述目标文档的贝叶斯分类；并且

基于所述贝叶斯分类确定所述目标文档的语义类别。

2.根据权利要求1所述的计算设备，所述语义分析模块进一步用以：

接收新文档的供给；

更新所述多个文档集合中的至少一个文档集合以包括所述新文档；并且

针对所述多个文档集合中的所述至少一个文档集合，响应于接收到所述新文档而更新语义变量的所述分布。

3.根据权利要求2所述的计算设备，其中所述新文档的供给包括来自社交媒体平台的连续供给。

4.根据权利要求1所述的计算设备，其中所述语义分析模块用于使用写入规则的集合来确定所述文档集合中所包括的所述文档的所述语义类别的分布。

5.根据权利要求1所述的计算设备，其中所述多个文档集合中的每个文档集合与特定主题相关联。

6.根据权利要求1所述的计算设备，其中所述语义分析模块用于基于针对所述目标文档和所述多个文档集合之间的共同词的查询来选择所述第一文档集合。

7.根据权利要求1所述的计算设备，其中所述训练数据集合是大体静态的并且包括至少一个注解。

8.一种方法，包括：

接收目标文档以用于语义分类；

基于所述目标文档选择多个文档集合中的特定文档集合；

获得与所述特定文档集合相关联的语义类别的分布；

将所述目标文档的语义类别的先验分布设置为与所述特定文档集合中所包括的文档的所述语义类别的分布相等同；

使用训练数据集合和所述目标文档的语义变量的所述先验分布来执行所述目标文档的机器学习分类；并且

基于所述机器学习分类来确定所述目标文档的语义类别。

9.根据权利要求8所述的方法，其中执行机器学习分类包括执行贝叶斯分类。

10.根据权利要求8所述的方法，其中选择所述特定文档集合包括基于所述目标文档中所包括的关键词来确定所述多个文档集合中的每个文档集合的相关度。

11.根据权利要求8所述的方法，进一步包括：

基于新文档的连续供给来更新所述多个文档集合；并且

针对所述多个文档集合中的每个文档集合，基于所述新文档来更新语义变量的所述分布。

12.根据权利要求8所述的方法，进一步包括：

使用存储的写入规则的集合，确定与所述特定文档集合相关联的所述语义类别的分布。

13.一种物品，包括存储指令的至少一个非暂时性机器可读存储介质，所述指令在运行时使至少一个处理器：

获取多个文档集合，其中所述多个文档集合中的每个文档集合包括多个文档；

针对所述多个文档集合中的每个文档集合，使用存储的写入规则的集合来确定所述文档集合中所包括的所述多个文档的语义类别的分布；

基于与目标文档的相关度的测量从所述多个文档集合中选择第一文档集合；

将所述目标文档的语义类别的先验分布设置为与所述第一文档集合中所包括的文档的所述语义类别的分布相等同；

使用静态训练数据集合和所述目标文档的所述语义类别的先验分布来执行所述目标文档的贝叶斯分类；并且

基于所述贝叶斯分类来确定所述目标文档的语义类别。

14.根据权利要求13所述的物品，其中所述指令进一步使所述处理器：

接收被所述多个文档集合所包括的新文档的供给；

响应于接收到所述新文档的供给，更新所述多个文档集合中的至少一个文档集合的语义变量的所述分布。

15.根据权利要求14所述的物品，其中所述指令进一步使所述处理器：

使用针对所述目标文档中所包括的关键词的查询来确定与所述目标文档的相关度的所述测量。