基于領(lǐng)域詞語本體的短文本分類研究.pdf

1、短文本分類問題是短文本應(yīng)用領(lǐng)域中亟待解決的問題,也是具有挑戰(zhàn)性的關(guān)鍵問題之一,具有重要的應(yīng)用前景。由于短文本自身長度較短的特點(diǎn),其描述概念能力弱,缺乏一定的語義關(guān)系,因而文本分類中常用的方法對(duì)短文本的分類缺乏一定的適用性。
　　 針對(duì)上述問題并結(jié)合現(xiàn)有研究成果,本文引入外部資源中的額外信息來增加短文本間的語義關(guān)系,提出了利用領(lǐng)域詞語本體進(jìn)行短文本分類的原理模型,從而實(shí)現(xiàn)短文本的分類。
　　 該模型主要包括以下幾個(gè)部分:首

2、先,在短文本中抽取領(lǐng)域高頻詞并將其作為初始特征詞；其次,借助知網(wǎng)相關(guān)知識(shí)將特征詞擴(kuò)展為概念和義元,將獲取的領(lǐng)域詞語本體作為分類的特征詞庫。該方法較多的考慮了詞與詞之間的語義關(guān)系,因而能夠在一定程度上彌補(bǔ)短文本信息量少的缺陷,并且構(gòu)建的領(lǐng)域詞語本體框架,能夠更深層次的考慮和擴(kuò)展語義關(guān)系,有利于復(fù)用和更新；再次,在分類過程中,提出了一種基于本體語義相關(guān)度比較的分類算法進(jìn)行短文本分類,該方法更有效地利用了更多的語義信息進(jìn)行分類,克服了傳統(tǒng)分類