[发明专利]一种短文本分类方法及装置

摘要

本发明公开了一种短文本分类方法及装置。该方法包括：对待分类的短文本进行分词预处理，并获取分词得到的每个词语的扩展词；根据预先构建的词项集获取每个词语及其扩展词的权重值；根据权重值，利用多个类别SVM分类模型获取短文本所属每个类别的概率；根据预设的概率分类模型确定短文本的所属类别。本发明所提供的短分本分类方法，克服了短文本特征稀疏的问题，有效降低采用多分类模型的复杂度，更符合实际应用。

主权项

1.一种短文本分类方法，其特征在于，包括：对待分类的短文本进行分词预处理，并获取分词得到的每个词语的扩展词；根据预先构建的词项集获取每个词语及其扩展词的权重值；根据所述权重值，利用多个类别SVM分类模型获取所述短文本所属每个类别的概率；根据预设的概率分类模型确定所述短文本的所属类别；所述根据预设的概率分类模型确定所述短文本的所属类别，包括：步骤1，若所述短文本所属某个类别的概率在[S1，1]之间，则将所述类别作为短文本所属类别，否则，执行步骤2；其中，S1∈[0.5，1)；步骤2，设置S2＝S1‑0.1；步骤3，判断S2与0.5的大小：若S2≥0.5，且所述短文本所属某个类别的概率在[S2，S1]之间，则将所述类别作为短文本所属类别，否则，令S1＝S2，并执行步骤2；若S2＜0.5，且所述短文本所属某个类别的概率在[0.4，S1]之间，则将概率值最大的类别作为短文本所属类别；否则判定所述短文本没有所属类别。