[发明专利]基于类标关系的短文本扩充方法有效
| 申请号： | 201510288434.0 | 申请日： | 2015-05-29 |
| 公开（公告）号： | CN104850650B | 公开（公告）日： | 2018-04-10 |
| 发明（设计）人： | 靳晓明;张瑞容;张世韬 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙)11201 | 代理人： | 张大威 |
| 地址： | 100084 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于类标关系的短文本扩充方法，该方法将短文本数据集中的类标信息引入到扩充机制里，根据不同的短文本数据选择不同的辅助数据集，基于类标关系为短文本进行扩充，并有效地为短文本分类。本发明具有如下优点解决短文本分类问题的难点；降低了传统的特征扩充方法引入的噪音，从而提高了短文本的分类精度；完成了对传统的基于外部语料信息的扩充方法的创新和改进；可以和不同的分类器结合使用，普适性高，不仅可以应用在短文本分类问题中，还适用于短文本相关的多标签分类等问题上。 | ||
| 搜索关键词： | 基于 关系 文本 扩充 方法 | ||
【主权项】：
一种基于类标关系的短文本扩充方法，其特征在于，包括以下步骤：(1)对于给定的初始短文本数据集，构建类标文本集合；(2)提取类标文本的特征；(3)根据提取的特征，并计算不同的类标文本的相似度；(4)设定阈值，对类标文本进行聚类，形成类标文本簇；(5)提取类标文本簇的特征；(6)根据提取的类标文本簇的特征，从外部语料信息中筛选辅助数据集；(7)针对不同类标的辅助数据集进行主题挖掘，获取辅助数据集的主题信息；(8)将初始短文本数据集中的短文本在对应类标的辅助数据集进行主题推断；(9)根据推断结果为初始短文本数据集扩充带有类标信息的主题编号；(10)得到扩充后的短文本集。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510288434.0/，转载请声明来源钻瓜专利网。
