胡 浩，李 平，陈凯琪

(西南石油大学 计算机科学学院 智能与网络化系统研究中心，四川 成都 610500)

基于汉字固有属性的中文字向量方法研究

胡 浩，李 平，陈凯琪

(西南石油大学 计算机科学学院 智能与网络化系统研究中心，四川 成都 610500)

中文短文本在如今高速发展的互联网应用中变得日趋重要，如何从海量短文本消息中挖掘出有价值的信息，已成为当前中文自然语言处理中非常重要且具有挑战性的课题。然而，采用传统的长文本处理方法进行分析往往得不到很好的效果，其根本原因在于中文短文本消息的语法及其语义的稀疏性。基于此，该文提出一种基于汉字笔画属性的中文字向量表示方法，并结合深度学习对短文本消息进行相似性计算。该方法结合中文汉字的构词和拼音属性，将中文汉字映射为一个仅32维的空间向量，最后使用卷积神经网络进行语义提取并进行相似性计算。实验结果表明，与现有的短文本相似性计算方法相比，该方法在算法性能及准确率上均有较大的提高。

短文本；中文字向量；深度学习

1 引言

随着互联网，尤其是移动互联网的快速发展，社交媒体已经变成人们交流和传递思想的主要平台。每天从社交平台上产生的信息交互量难以估计。面对如此海量的消息，如何进行科学的有效管理，已成为当前的研究热点。根据中国互联网发展统计报告，文本信息已占网络资源的70%以上，是互联网中信息传播的主要载体，每天从网络中产生的文本信息量在TB级别以上。……