近年来,短文本分类研究取得了重要的进展。然而,现有的大多数方法只关注如Twitter或微博等数据,其文本长度通常不超过300个字符。然而,在实际应用领域,如新闻标题、发票名称等文本的分类问题中,文本具有长度极短、特征稀疏、语义模糊等特性,使得已有的短文本分类方法难以取得理想的效果。针对以上问题,本文基于特征表示学习的方法,围绕新闻标题和发票名称等极短文本数据的分类问题展开研究,主要工作如下:(1)针对发票名称文本长度极短和特征稀疏的问题,提出一种基于双向语义扩展的极短文本分类方法(BSE-ESTC)。首先,为缓解文本极短带来的特征稀疏问题,分别对文本中的词和类标签属性词进行双向近义词查询,再将这些近义词添加到分词结果之中,进行语义扩展,以达到扩大极短文本特征量的目的;其次,为了避免稀疏性导致的语义模糊问题,使用哈希向量化方法对分词结果进行向量化并分类。实验结果表明:所提方法在税务发票数据上具有优异的性能。(2)针对中文极短文本语义高度模糊的问题,将注意力机制与通过字符嵌入特征选择相结合,提出了一种基于字符嵌入的中文极短文本的混合分类方法(AFC)。该方法首先用中文字符嵌入向量对文本进行向量化表示;然后在特征表示学习模型上叠加注意力机制以便对每个词赋予不同的权重,对分类有用的权重较大,反之则较小,从而提高关键字识别的效果,进而提高分类精度;其次,基于词向量表示计算内容与类标签之间的语义相似度,避免语义模糊;最后,基于每个词的权重进行特征选择,除去无意义和干扰性强的特征来提高特征向量的质量,从而提升分类精度。