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qi的词向量表达Lw;
S3:基于浅层语义词汇Dict,生成每一个词qi的浅层语义向量表达Sc,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Dopen;(2)否定副词词典Dnot;(3)程度副词词典Dadv;(4)网络词典Dnet;(5)符号词典Demoticon;(6)语气词词典Dmood;(7)领域词典Dprofession;(8)其他包括手工构建的词典Dother;
S32:构建浅层语义向量Sc=(xopen,xnot,xadv,xnet,xemoticon,xmood,xprofession,xother),区别于Lw中每个xi表示一个单独的元素,Sc中每个xi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Lw和浅层语义向量表达Sc进行拼接,生成深度学习输入向量[Lw:Sc];
S5:基于步骤S4中得到的合成向量[Lw:Sc]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,将一条被测语料x送入CNN进行前向传播计算,得到其预测类别y′。