本申请涉及数据处理，特别是涉及一种文本分类方法、电子设备和计算机可读存储介质。
背景技术：
1、目前，对文本语义的表达大多使用词粒度层面的词向量矩阵，又或是采用glove、word2vec等带有少量语义信息的词向量表达技术，尽管能在句子级别提高其表达能力，但还是存在文本特征提取不充分，导致文本分类不准确。
技术实现思路
1、本申请主要解决的技术问题是提供一种文本分类方法、电子设备和计算机可读存储介质，能够提高文本分类的准确性。
2、为解决上述技术问题，本申请采用的一个技术方案是：提供一种文本分类方法，该方法包括：获取目标文本；确定目标文本的主题信息以及确定目标文本的局部信息；其中，局部信息包括目标文本中各目标词汇的周围信息，目标词汇的周围信息包括目标词汇与至少一个其他词汇之间的关联信息；基于主题信息和局部信息，对目标文本进行文本分类，得到文本分类结果；其中，文本分类结果用于表征目标文本的文本类别。
3、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种电子设备，该电子设备包括存储器和处理器，存储器存储有程序指令，处理器用于执行程序指令以实现上述的文本分类方法。
4、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质用于存储程序指令，程序指令能够被执行以实现上述的文本分类方法。
5、上述技术方案，确定目标文本的主题信息，是捕获了目标文本的主题信息；目标文本的局部信息包括目标文本中各目标词汇的周围信息，而目标词汇的周围信息包括目标词汇与至少一个其他词汇之间的关联信息，所以，确定目标文本的局部信息，能够捕获目标文本中各目标词汇之间的隐藏信息，即，能够捕获目标文本中各目标词汇之间的上/下文隐藏信息。所以，基于目标文本的主题信息和局部信息进行文本分类，是基于捕获的目标文本的隐藏主题信息和目标文本的词汇之间的上/下文隐藏信息进行文本分类，目标文本的隐藏主题信息辅助目标文本的词汇之间的上下文隐藏信息进行文本分类，使得获得的文本分类结果的准确性更高。
1.一种文本分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，所述目标词汇与其他词汇之间的关联信息为所述目标词汇与其他词汇之间的关联语义特征；所述确定所述目标文本的局部信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述将各所述目标词汇对应的周围语义特征进行特征拼接，得到局部语义特征，包括：
6.根据权利要求5所述的方法，其特征在于，所述确定各所述周围语义特征的特征权重，包括：
7.根据权利要求4所述的方法，其特征在于，所述目标词汇的周围信息包括所述目标词汇与至少两个其他词汇之间的关联信息；所述基于所述目标词汇与至少一个其他词汇之间的关联语义特征，得到所述目标词汇对应的周围语义特征，包括：
8.根据权利要求1所述的方法，其特征在于，所述确定所述目标文本的主题信息是利用主题模型执行的，所述主题模型的训练步骤包括：
9.根据权利要求1所述的方法，其特征在于，所述主题信息为主题语义特征，所述局部信息为局部语义特征；所述基于所述主题信息和所述局部信息，对所述目标文本进行文本分类，得到文本分类结果，包括：
10.根据权利要求9所述的方法，其特征在于，所述获取目标语义特征，包括：
11.根据权利要求9所述的方法，其特征在于，所述分别对所述目标语义特征进行多次特征提取，得到对应不同次的卷积语义特征，是利用浅层神经网络执行的。
12.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有程序指令，所述处理器用于执行所述程序指令以实现如权利要求1-11任一项所述的文本分类方法。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序指令，所述程序指令能够被执行以实现如权利要求1-11任一项所述的文本分类方法。
