一种基于主题词类相似性的文档语义表示方法、文本分类方法和...
授权
摘要
本发明涉及一种基于主题词类相似性的文档语义表示方法、文本分类方法和装置。该基于主题词类相似性的文档语义表示方法包括：1)使用词向量模型对语料进行训练，得到词向量；2)在语义空间内对词向量进行聚类；3)使用WMD算法计算待表示文档和聚类得到的每个类别之间的距离，将得到的距离作为待表示文档的语义表示。进而，通过计算文档的语义表示向量之间的相似性，实现文档的分类。本发明依据文本的语义信息和单词频率等信息，通过WMD模型计算文本单词和聚类集合之间的转移代价，将文本表示成一个低维稠密、包含语义信息的向量，能更好地表示文本信息，分类任务准确性高，可应用在信息检索、文本分类等自然语言处理任务中。
基本信息
专利标题 ：
一种基于主题词类相似性的文档语义表示方法、文本分类方法和装置
专利标题（英）：
暂无
公开（公告）号 ：
CN108595706A
申请号 ：
CN201810443084.4
公开（公告）日 ：
2018-09-28
申请日 ：
2018-05-10
授权号 ：
CN108595706B
授权日 ：
2022-05-24
发明人 ：
陈小军王大魁时金桥白离胡兰兰文新张闯马建伟
申请人 ：
中国科学院信息工程研究所
申请人地址 ：
北京市海淀区闵庄路甲89号
代理机构 ：
北京君尚知识产权代理事务所(普通合伙)
代理人 ：
邱晓锋
优先权 ：
CN201810443084.4
主分类号 ：
G06F17/30
IPC分类号 ：
G06F17/30 G06F17/27
法律状态
2022-05-24 ：
授权
2019-01-08 ：
实质审查的生效
IPC(主分类) : G06F 17/30
申请日 : 20180510
申请日 : 20180510
2018-09-28 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
