一种基于相似度模型和FastText的多标签文本分类方法

摘要

本发明公开了一种基于相似度模型和FastText的多标签文本分类方法。适用于普遍的有监督文本标签预测问题。这种改进的文本标签预测算法主要是基于已经构建好的文本标签数据，结合了文本相似思想。对历史文本数据进行处理，首先使用隐马尔科夫链文本分词算法得到分完词的文本，再通过文本相似度算法提取文本相似项，查询历史数据得到文本标签，然后对分完词的文本进行FastText训练，得到最终文本标签的方法。本发明方法可有效获取一种准确度最高的文本标签并进行推荐，使文本多标签的预测更加准确，并增加了历史文本标签的使用价值。