[发明专利]基于内容的大文本高阶语义张量化分类方法和系统

摘要

本发明公开了一种基于内容的大文本高阶语义张量化分类方法，包括：步骤一、构造类的DEC张量模型；步骤二、获取待分类的大文本中的部分文本，利用部分文本构建大文本的DEC张量，将其DEC张量和类的特征张量逻辑相乘，之后按照DEC的3个维度全部降维相加，得到大文本属于该类的强度，展示输出结果。本发明还公开了一种基于内容的大文本高阶语义张量化分类系统，包括：基础语料层，用于存储DEC张量模型要素和模型加工所需要的语料样本；DEC语义处理层，用于完成大文本的分词和DEC张量化，实现对张量模型的计算和调用；应用层，用于完成用户输入文本的接收和展示分类结果。本发明解决了计算资源不足和文本理解准确性之间矛盾。

主权项

一种基于内容的大文本高阶语义张量化分类方法，其特征在于，包括如下步骤：步骤一、构造类的DEC张量模型：1.1)对多个大文本的词语进行3级领域分词，并建立每个大大文本的大文本词集合与类的对应关系；2.1)构件大文本的DEC张量：对每个类对应的每个大本文进行分词，得到代表其领域Domain的分词集合D、代表业务活动Concept的分词集合C和代表相关要素的分词集合Element分词集合E；2.2)首先得到E的独立一维向量，再从E独立一维向量张成CE张量；2.3)从CE张量张成DEC张量；2.4)从步骤2.3)到2.1)循环，完成整个类的张量构建；3.1)任意选定一个类，剩余类张量相加得到该类的反例张量；3.2)整个类的张量减去类的反例张量，得到该类的特征张量；步骤二、获取待分类的大文本中的部分文本，首先依照步骤2.1)到2.3)，利用该部分文本构建该待分类大文本的DEC张量，之后加载步骤一中的类的特征张量，将该待分类大文本的DEC张量和每个类的特征张量逻辑相乘，然后再将逻辑相乘后的类张量按照DEC的3个维度全部降维相加，得到待分类的大文本属于该类的强度，最后展示输出结果。