1、伴隨著移動互聯(lián)的快速發(fā)展，越來越多的像微博，微信，短信等短文本信息開始充斥著人們的日常生活。在推薦，輿情等方面，短文本信息的提取也起到越來越重要的作用，文本分類是一種有效的文本信息提取方法，然而由于短文本長度短，矩陣稀疏等特點，使得傳統(tǒng)的文本分類算法不能很好適用于短文本的分類研究中，對短文本進行有效的分類也變得迫切起來。短文本分類主要涉及到短文本預處理，分詞，短文本特征詞提取，短文本相似度計算，短文本語義拓展等方面的技術，本文主要針對短

2、文本分類算法和短文本相似度計算兩個關鍵技術進行研究，針對其所存在的問題改進相關算法，提升短文本分類的性能。
　　本研究主要內容包括：⑴在短文本分類方面，由于短文本信息提取過程中的語義信息添加，使得短文本的分類效率降低的問題，基于此問題，提出一種基于類別特征的KNN短文本分類算法。通過類別特征詞項與訓練空間樣本的語義相似度，對訓練空間進行重新拆分，依據(jù)測試文本結合知網(wǎng)詞典語義信息，重構訓練集，減少對應測試文本訓練集的樣本數(shù)，提高KN

3、N短文本分類效率。實驗結果顯示，相對于基于語義的KNN短文本分類算法，在相同測試文本數(shù)量情況下，基于類別特征的KNN短文本分類算法的測試文本平均運行時間減少近50％。⑵在短文本相似度計算方面，針對基于知網(wǎng)的短文本語義相似度計算高度依賴知網(wǎng)詞典，僅計算核心詞間相似度，不能有效辨別文本核心詞的重要程度的問題，提出一種基于類別特征的短文本相似度算法。通過對短文本核心詞中類別特征詞項，非類別特征詞項中的名詞和動詞，形容詞和副詞及其他詞性詞項給定