[发明专利]开放领域的短文本分类方法、装置、设备及存储介质

说明书

本申请涉及文本数据处理领域，具体而言，本申请公开一种开放领域的短文本分类方法、装置、设备及存储介质，其中，开放领域的短文本分类方法包括步骤：获取待分类短文本、根据开放领域搜索引擎对所述待分类短文本进行相关反馈计算并得到所述待分类短文本的反馈文本、对所述反馈文本进行特征提取并得到所述待分类短文本的扩展词集合、根据若干类语料库和所述待分类短文本的扩展词集合对所述待分类短文本进行分类并得到所述待分类短文本的分类类别。本申请具有待分类关键词不受词典限制、能够不经过训练步骤即对短文本进行分类的优点。同时，本申请具有计算简洁的优点。

技术领域

本申请涉及文本数据处理领域，尤其涉及一种开放领域的短文本分类方法、装置、设备及存储介质。

背景技术

随着技术的发展，短文本在搜索引擎、自动问答和话题跟踪等领域发挥着重要的作用。目前，在短文本的分类过程中，现有的短文本的分类方法对待分类关键词有词典限制，而使得短文本的分类不够灵活。

发明内容

本申请目的在于公开一种开放领域的短文本分类方法、装置、设备及存储介质。

本申请第一方面公开一种开放领域的短文本分类方法，所述方法包括步骤：

获取待分类短文本；

根据开放领域搜索引擎对所述待分类短文本进行相关反馈计算并得到所述待分类短文本的反馈文本；

对所述反馈文本进行特征提取并得到所述待分类短文本的扩展词集合；

根据若干类语料库和所述待分类短文本的扩展词集合对所述待分类短文本进行分类并得到所述待分类短文本的分类类别。

在本申请第一方面中，通过开放领域搜索引擎对所述待分类短文本进行相关反馈计算并得到所述待分类短文本的反馈文本，进而能够根据反馈文本得到扩展词集合，最终能够根据扩展词集合对所述待分类短文本进行分类并得到所述待分类短文本的分类类别。与现有技术相比，本申请能够避免词典对待分类关键词的限制。

作为一种可选的实施方式，所述根据若干类语料库和所述待分类短文本的扩展词集合对所述待分类短文本进行分类并得到所述待分类短文本的分类类别之前，所述方法还包括：

检索文本数据并生成语料；

根据所述语料构建所述若干类语料库；

匹配所述若干类语料库的搜索索引。

在本可选的实施方式中，能够根据检索的文本数据构建若干类语料库，并能够为每个语料库关联搜索索引。

作为一种可选的实施方式，所述文本数据为百科类数据。

在本可选的实施方式中，文本数据为从维基百科网站获取的百科类数据。

作为一种可选的实施方式，所述根据若干类语料库和所述待分类短文本的扩展词集合对所述待分类短文本进行分类并得到所述待分类短文本的分类类别，包括：

根据所述待分类短文本的扩展词集合在所述若干类语料库中搜索并得到若干类语料库的检索结果；

根据所述若干类语料库的检索结果确定所述待分类短文本的分类类别。

在本可选的实施方式中，能够所述若干类语料库的检索得分确定所述待分类短文本的分类类别。

作为一种可选的实施方式，所述根据所述若干类语料库的检索结果确定所述待分类短文本的分类类别，包括：

根据所述若干类语料库的检索结果确定检索得分；

比较每个所述语料库的检索得分，并根据比较结果确定所述待分类短文本的分类类别。