[发明专利]短文本内容分类方法和系统

权利要求书

1.一种短文本内容分类方法，其特征在于，包括：

取得社交网络平台的短文本内容；

取得该短文本内容的上下文情感特征值和先验情感特征值；

使用模型训练生成该短文本内容的词向量和分类特征向量；

利用多窗口卷积操作来取得不同粒度的该短文本内容的语义关系，并组合池化操作而从不同层次对该短文本内容的语义表示进行抽象化；

其中，使用模型训练生成该短文本内容的词向量的步骤包括：

使用第一模型训练生成该短文本内容的分布式词向量t＝[w₁,w₂,...,w_n]，其中w_i是该短文本内容中的单词项w_i，每个单词项w_i都是一个向量；

将该分布式词向量t输入到一个深度卷积神经网络的卷积层，以生成该短文本内容的上下文局部特征向量x_t＝[x₁,x₂,...x_t]；

将该分布式词向量t输入到前向长短时记忆网络中以取得前向长短时记忆网络输出序列向量，并输入到后向长短时记忆网络中以取得后向长短时记忆网络输出序列向量，并组合该前向长短时记忆网络输出序列向量和该后向长短时记忆网络输出序列向量以生成新向量h_n；

使用第二模型训练生成该短文本内容的句子级特征向量t_d；以及

组合该上下文局部特征向量x_t、该新向量h_n以及该句子级特征向量t_d，以生成多层次文本语义向量o_t；

使用双向长短时记忆网络获得该短文本内容的语义表征；以及

组合不同层次的情感特征向量并取得输出向量，使用函数对该输出向量进行计算以取得该短文本内容属于一或多个内容类别的概率值，并将该概率值为最大的该内容类别作为该短文本内容的类别。

2.根据权利要求1所述的方法，其特征在于，取得该短文本内容的上下文情感特征值和先验情感特征值的步骤包括：

生成该短文本内容的上下文情感特征值向量t_c；以及

生成该短文本内容的先验情感特征值向量SenScore(t)。

3.根据权利要求1所述的方法，其特征在于，利用多窗口卷积操作来取得不同粒度的该短文本内容的语义关系，并组合池化操作而从不同层次对该短文本内容的语义表示进行抽象化的步骤包括：

将该多层次文本语义向量o_t输入深度卷积神经网络的池化层，以生成向量o'_t；以及

将该向量o'_t再次进行卷积操作以取得更高一层的文本语义特征表示并输出向量再进行Top-K池化操作，直到取得最后一层的该文本语义特征表示并输出向量再进行该Top-K池化操作，使得该最后一层的该Top-K池化操作输出向量t′_i。

4.根据权利要求1所述的方法，其特征在于，组合不同层次的情感特征向量并取得输出向量，使用函数对该输出向量进行计算以取得该短文本内容属于一或多个内容类别的概率值，并将该概率值为最大的该内容类别作为该短文本内容的类别的步骤包括：

连接该上下文情感特征值向量t_c、该先验情感特征值向量SenScore(t)和该向量t′_i，以生成向量y'；

将该向量y'输入深度卷积神经网络的全连接层，以取得输出向量y；以及

使用第一函数对该输出向量y进行计算，以取得该短文本内容属于一或多个内容类别的概率值，并将该概率值为最大的该内容类别作为该短文本内容的类别。