论文部分内容阅读
传统文本分类模型在处理短文本时主题特征挖掘不够充分,导致短文本分类效果不佳。对此提出一种基于条件变分自编码的短文本分类模型。采用预训练的LDA主题模型得到的主题词项分布构造具有单通道的文本主题特征图,从采样重构过程中学习连续及高度结构化的文本主题潜在空间,引入类别标签作为条件为重构加入更多的指导。利用预训练的主题潜在空间抽取文本主题特征构造短文本分类器。实验结果表明,相比于其他文本分类方法,该模型能够利用文本主题潜在空间充分挖掘短文本主题特征,其分类精确度明显提升。