1、在線評論、網(wǎng)絡聊天、搜索片段和微型博客等短文本包含大量有價值的潛在信息，然而，短文本具有特征稀疏、描述概念信號弱等特點，使得傳統(tǒng)的文本分類技術面臨極大的挑戰(zhàn)。論文針對短文本特征稀疏性和描述概念信號弱等問題開展分類方法研究，選題具有重要的理論和應用價值。
　　論文主要工作如下:
　　(1)對短文本相關的研究領域及覆蓋范圍進行詳細的分析，并對文本分類的相關關鍵技術進行簡要概述。
　　(2)針對已有特征選擇方法對特征和類之間

2、的相關性考慮不夠充分等問題，提出基于類區(qū)分特征的短文本分類方法。通過特征在類內(nèi)和類間的分布關系進行特征權重的衡量，迭代的選取局部環(huán)境下的重要特征，并依據(jù)這些特征進行局部分類，實驗結果表明該方法在時間性能和準確率方面有很大優(yōu)勢。
　　(3)針對短文本的特征稀疏及數(shù)據(jù)集存在的不平衡問題，提出一種基于自身特征擴展的短文本分類方法研究。首先對于每個類別選取相同比率具有高指示性的特征并進行合并;其次，依據(jù)最終的特征空間，對訓練集和測試集進行