[发明专利]一种基于低维球面投影的文本分类方法

说明书

本发明提出一种基于低维球面投影的文本分类方法，包括：构建文本向量与低维球面的投影关系，将输入的文本向量投影到所述低维球面中，获取所述文本向量的球面表示；将所述球面表示输入文本分类模型，获取输入文本的球面语义表示；本发明可有效提高文本分类以及相似度度量的速度。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种基于低维球面投影的文本分类方法。

背景技术

在文本分类过程中，面对数据量较大的文本数据时，无可避免地需要面对高维数据处理的问题。高维数据处理复杂度高，对计算机运算性能也要求相对提高，这极大地制约了文本分类的应用。如何处理高维数据处理，加快文本分类效率已成为目前亟需解决的一大难题。

发明内容

鉴于以上现有技术存在的问题，本发明提出一种基于低维球面投影的文本分类方法，主要解决高维文本数据分类处理速度慢，效率低的问题。

为了实现上述目的及其他目的，本发明采用的技术方案如下。

一种基于低维球面投影的文本分类方法，包括：

构建文本向量与低维球面的投影关系，将输入的文本向量投影到所述低维球面中，获取所述文本向量的球面表示；

将所述球面表示输入文本分类模型，获取输入文本的球面语义表示。

可选地，构建文本向量与低维球面的投影关系，包括：

设置所述低维球面的维度，获取所述文本向量的每一维数据在所述低维球面各维度的分量表示；

根据所述分量表示获取每一维数据的投影角度，将所述文本向量的球面表示。

可选地，所述分量表示记为：

y₁＝rcosθ₁，y₂＝rsinθ₁cosθ₂，y₃＝rsinθ₁sinθ₂cosθ₃

…

y_L-1＝rsinθ₁sinθ₂...sinθ_L-2cosθ_L-1，y_L＝rsinθ₁sinθ₂...sinθ_L-1sinθ_L

其中，r＝|y|，y＝(y，...，y_L)∈R^L，L为所述低维球面的维度；y＝As；A为投影参数，s为文本向量。

可选地，所述投影角度表示为：

P_b(s)＝angle(As)，A∈R^L×n

其中，angle为求角度函数，L为所述低维球面的维度，n为所述文本向量的维度；s为文本向量，A为投影参数。

可选地，将所述球面表示输入文本分类模型，获取输入文本的球面语义表示，包括：

通过所述文本分类模型的线性变换矩阵对所述球面表示进行线性变换后，通过soitmax获取类别输出作为所述球面语义表示。

可选地，所述类别输出的计算方式为：

p＝softmax(BP_b(s))＝softmax(B angle(As))

其中，B为线性变换矩阵；|B|≤c_b，|A|≤c_a。