[发明专利]一种集成浅层语义表示向量的深度学习文本分类方法

权利要求书

1.一种集成浅层语义表示向量的深度学习文本分类方法，其特征在于，包括以下步骤：

S1：输入文本语料，采用结巴分词工具对语料进行分词；

S2：基于步骤S1中得到的词语，利用word2vec工具生成每一个词q_i的词向量表达L_w；

S3：基于浅层语义词汇Dict，生成每一个词q_i的浅层语义向量表达S_c，如下：

S31：从以下八个方面来挖掘行业词汇从而构建浅层语义词典：(1)开源词典D_open；(2)否定副词词典D_not；(3)程度副词词典D_adv；(4)网络词典D_net；(5)符号词典D_emoticon；(6)语气词词典D_mood；(7)领域词典D_profession；(8)其他包括手工构建的词典D_other；

S32：构建浅层语义向量S_c＝(x_open,x_not,x_adv,x_net,x_emoticon,x_mood,x_profession,x_other)，区别于L_w中每个x_i表示一个单独的元素，S_c中每个x_i并不表示单个元素而是可能包含多个元素，其元素个数由对应词典规模大小决定；

S4：将word2vec词向量表达L_w和浅层语义向量表达S_c进行拼接，生成深度学习输入向量[L_w:S_c]；

S5：基于步骤S4中得到的合成向量[L_w:S_c]构建CNN分类模型，如下：

S51：准备有监督文本学习样本集D＝[文本语料X、文本类别Y]，其中每一个样本由一条文本语料及其对应的标签所形成；

S52：初始化CNN网络；

S53：基于样本集D训练CNN网络；

S54：基于步骤S53中得到CNN网络，将一条被测文本语料x送入CNN进行前向传播计算，得到其预测类别y′。