1.基于主题词特征扩展的中文新闻标题分类方法,其特征在于,包括:步骤1:采用多种分词算法对待分类中文新闻标题分别进行分词预处理,得到关于所述中文新闻标题在每种分词算法下的分词结果,合并所有的分词结果得到若干个单词;
步骤2:计算每个单词的权重以得到所述待分类中文新闻标题的加权后标题向量;并基于所述分词结果构建所述待分类中文新闻标题的主题向量并计算主题向量权重;步骤2中,所述基于所述分词结果构建所述待分类中文新闻标题的主题向量并计算主题向量权重,具体包括:获取中文新闻标题数据集,所述数据集中包括多个中文新闻标题;
计算每个中文新闻标题的文本向量,并比较任意两个所述文本向量之间的相似度,将相似度值大于预设阈值的中文新闻标题进行聚合得到长伪文本;
利用所述长伪文本构成训练集以训练LDA模型;
利用训练好的LDA模型得到所述待分类中文新闻标题的主题-词矩阵;
对所述主题-词矩阵进行向量化表示,并计算每个主题下任意两个单词之间的相似度并作为两个单词之间词关系的权重;
针对每个主题,过滤掉权重值较低的词关系,并将其余的单词进行两两连接以形成一条边;
针对每个主题,采用TextRank算法进行迭代,提取得到每个主题下的关键词;
基于每个主题下的关键词,计算每个主题对应的主题向量权重;
步骤3:计算所述加权后标题向量和每个所述主题向量之间的相似度,将相似度最大的主题向量与所述加权后标题向量进行向量拼接,得到特征向量;
步骤4:利用卷积神经网络对所述特征向量进行特征提取并分类。
2.根据权利要求1所述的基于主题词特征扩展的中文新闻标题分类方法,其特征在于,步骤2中,所述计算每个单词的权重,具体包括:计算每个单词的类别区分程度和词性权重。
3.根据权利要求2所述的基于主题词特征扩展的中文新闻标题分类方法,其特征在于,根据公式(1)计算每个单词的类别区分程度IDF:其中,P
4.根据权利要求2所述的基于主题词特征扩展的中文新闻标题分类方法,其特征在于,所述计算每个单词的词性权重,具体包括:针对名词和/或动词,对应的词性权重为α;针对形容词和/或副词,对应的词性权重为β;除名词、动词、形容词和副词之外的其他词性单词,对应的词性权重为γ;其中,1>α>β>γ>0。
5.根据权利要求1所述的基于主题词特征扩展的中文新闻标题分类方法,其特征在于,所述相似度的计算公式如公式(3)所示:其中,S
6.根据权利要求1所述的基于主题词特征扩展的中文新闻标题分类方法,其特征在于,采用公式(5)计算每个主题对应的主题向量权重P其中,C
7.根据权利要求1所述的基于主题词特征扩展的中文新闻标题分类方法,其特征在于,步骤4具体包括:步骤4.1:使用一个卷积层对所述特征向量进行卷积操作;所述卷积层具有一维卷积核和多通道;
步骤4.2:在步骤4.1输出的每个特征图上进行随时间推移的最大池化操作,得到每个特征图的最大值,然后将最大值连接到步骤4.1中的特征向量中;
步骤4.3:将步骤4.2得到的特征向量馈送到全连接层进行分类,并使用softmax输出分类结果;其中,所述全连接层使用dropout策略防止过拟合现象。
8.根据权利要求1所述的基于主题词特征扩展的中文新闻标题分类方法,其特征在于,所述分词算法至少包括jieba分词算法、PKU分词算法和THU分词算法。