[發(fā)明專利]一種基于低維球面投影的文本分類方法

在審

• 申請?zhí)枺?/td>: 202011301471.8
• 申請日: 2020-11-19
• 公開（公告）號(hào): CN112528016A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 彭德光;孫健;黃攀;湯斌;易興
• 申請（專利權(quán)）人: 重慶兆光科技股份有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06K9/62
• 代理公司: 重慶渝之知識(shí)產(chǎn)權(quán)代理有限公司 50249
• 代理人: 陸蕾

本發(fā)明提出一種基于低維球面投影的文本分類方法，包括：構(gòu)建文本向量與低維球面的投影關(guān)系，將輸入的文本向量投影到所述低維球面中，獲取所述文本向量的球面表示；將所述球面表示輸入文本分類模型，獲取輸入文本的球面語義表示；本發(fā)明可有效提高文本分類以及相似度度量的速度。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言處理領(lǐng)域，尤其涉及一種基于低維球面投影的文本分類方法。

背景技術(shù)

在文本分類過程中，面對(duì)數(shù)據(jù)量較大的文本數(shù)據(jù)時(shí)，無可避免地需要面對(duì)高維數(shù)據(jù)處理的問題。高維數(shù)據(jù)處理復(fù)雜度高，對(duì)計(jì)算機(jī)運(yùn)算性能也要求相對(duì)提高，這極大地制約了文本分類的應(yīng)用。如何處理高維數(shù)據(jù)處理，加快文本分類效率已成為目前亟需解決的一大難題。

發(fā)明內(nèi)容

鑒于以上現(xiàn)有技術(shù)存在的問題，本發(fā)明提出一種基于低維球面投影的文本分類方法，主要解決高維文本數(shù)據(jù)分類處理速度慢，效率低的問題。

為了實(shí)現(xiàn)上述目的及其他目的，本發(fā)明采用的技術(shù)方案如下。

一種基于低維球面投影的文本分類方法，包括：

構(gòu)建文本向量與低維球面的投影關(guān)系，將輸入的文本向量投影到所述低維球面中，獲取所述文本向量的球面表示；

將所述球面表示輸入文本分類模型，獲取輸入文本的球面語義表示。

可選地，構(gòu)建文本向量與低維球面的投影關(guān)系，包括：

設(shè)置所述低維球面的維度，獲取所述文本向量的每一維數(shù)據(jù)在所述低維球面各維度的分量表示；

根據(jù)所述分量表示獲取每一維數(shù)據(jù)的投影角度，將所述文本向量的球面表示。

可選地，所述分量表示記為：

y₁＝rcosθ₁，y₂＝rsinθ₁cosθ₂，y₃＝rsinθ₁sinθ₂cosθ₃

…

y_L-1＝rsinθ₁sinθ₂...sinθ_L-2cosθ_L-1，y_L＝rsinθ₁sinθ₂...sinθ_L-1sinθ_L

其中，r＝|y|，y＝(y，...，y_L)∈R^L，L為所述低維球面的維度；y＝As；A為投影參數(shù)，s為文本向量。

可選地，所述投影角度表示為：

P_b(s)＝angle(As)，A∈R^L×n

其中，angle為求角度函數(shù)，L為所述低維球面的維度，n為所述文本向量的維度；s為文本向量，A為投影參數(shù)。

可選地，將所述球面表示輸入文本分類模型，獲取輸入文本的球面語義表示，包括：

通過所述文本分類模型的線性變換矩陣對(duì)所述球面表示進(jìn)行線性變換后，通過soitmax獲取類別輸出作為所述球面語義表示。

可選地，所述類別輸出的計(jì)算方式為：

p＝softmax(BP_b(s))＝softmax(B angle(As))

其中，B為線性變換矩陣；|B|≤c_b，|A|≤c_a。