杨朝强，邵党国，杨志豪，相 艳，马 磊

(昆明理工大学 信息工程与自动化学院，昆明 650504)

1 引 言

随着互联网的高速发展，快速准确地进行文本分类成为研究的热点之一.目前的文本分类算法大多数主要针对长文本，即所处理的文本信息片段较长，包含一定量的信息内容.然而在实际情况中，如何快速准确地实现短文本处理成为文本分类的首要问题之一.短文本指长度不超过160个字符的文本体，以网络文本居多，包括：短新闻、评论、博客、聊天记录等，在信息查询[1]，内容推荐[2]和关系抽取[3]等领域具有一定的研究价值.

现阶段而言，短文本分类的研究难点之一在于文本特征提取.文本特征提取方法一般分为三种，传统的文本数据化表示，机器学习和模型融合方法，具体介绍如下：

传统的特征提取为基于空间向量模型(Vecto-r Space Model，VSM)[4]，该模型将文本看作不同词的组合形式，未考虑词与词之间的相关性，且该方法存在数据高维稀疏性问题.针对VSM中存在的缺陷，一些研究者通过引入外部先验知识，来对短文本进行语义扩展[5,6]，但该方法对引入知识的质量要求较高，同时极大地增加了模型的复杂度.也有学者通过分析文本自身的语义结构[7]，来构建文本表示方法，如 LSA，pLSI 和 LDA[8-10]，但由于模型构建中只考虑到了文本层面信息，缺乏对低层面信息的分析.

自Google2013年推出具有语义表示功能的Word2vec[11]词向量模型后，神经网络在分类任务中取得了飞速的发展Yoon Kim等人[12]提出的基于CNN(Convolutional Neural Network)的文本分类模……