[發明專利]一種文本信息的分類方法及裝置

有效

• 申請號: 201710420071.0
• 申請日: 2017-06-06
• 公開（公告）號: CN109002443B
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 葛婷
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/30
• 代理公司: 北京鼎佳達知識產權代理事務所(普通合伙) 11348
• 代理人: 王偉鋒;劉鐵生

1.一種文本信息的分類方法，其特征在于，所述方法包括：

設置預置規則，具體為：

設置預置標簽中的組合詞根，包括詞根的順序以及數量；

對于具有相同詞根數量的預置標簽，設置不同的優先級；

將所獲取的文本信息進行分詞，得到多個詞根，所述詞根為用于文本信息分類的預置關鍵詞；

根據所述詞根在所述文本信息中的位置組合多個詞根組；

將所述詞根組與預置標簽進行匹配，所述預置標簽是由多個詞根組合對應的組合標識；

根據預置規則在匹配成功的詞根組中選擇一個詞根組對應的預置標簽作為所述文本信息的分類標簽；

按照所述分類標簽對所述文本信息進行分類。

2.根據權利要求1所述的方法，其特征在于，所述根據預置規則在匹配成功的詞根組中選擇一個詞根組對應的預置標簽作為所述文本信息的分類標簽包括：

確定所述匹配成功的詞根組中詞根的數量；

當詞根數量最多的詞根組唯一時，則將所述詞根組對應的預置標簽作為所述文本信息的分類標簽；

當詞根數量最多的詞根組為多個時，則提取多個詞根組中優先級最高的一個詞根組所對應的預置標簽作為所述文本信息的分類標簽。

3.根據權利要求1或2所述的方法，其特征在于，將所述詞根組與預置標簽進行匹配包括：

根據所述詞根組中的詞根數量和/或詞根的排列順序匹配所述預置標簽。

4.根據權利要求1所述的方法，其特征在于，所述將所獲取的文本信息進行分詞，得到多個詞根包括：

當分詞結果中的分詞為所述預置關鍵詞時，將所述分詞作為一個詞根；

當所述分詞結果中的分詞中含有多個所述預置關鍵詞時，提取所述分詞中的多個預置關鍵詞分別作為所述文本信息的詞根。

5.根據權利要求1或4所述的方法，其特征在于，根據所述詞根在所述文本信息中的位置組合多個詞根組包括：

確定每個詞根在所述文本信息中出現的位置；

按照出現位置的先后順序生成由多個詞根組合的詞根組。

6.一種文本信息的分類裝置，其特征在于，所述裝置包括：

設置單元，用于在分詞單元將所獲取的文本信息進行分詞之前，設置預置規則，具體還包括：

第一設置模塊，用于設置預置標簽中的組合詞根，包括詞根的順序以及數量；

第二設置模塊，用于對于具有相同詞根數量的預置標簽，設置不同的優先級；

分詞單元，用于將所獲取的文本信息進行分詞，得到多個詞根，所述詞根為用于文本信息分類的預置關鍵詞；

組合單元，用于根據所述分詞單元得到的詞根在所述文本信息中的位置組合多個詞根組；

匹配單元，用于將所述組合單元組合的詞根組與預置標簽進行匹配，所述預置標簽是由多個詞根組合對應的組合標識；

選擇單元，用于根據預置規則在所述匹配單元匹配成功的詞根組中選擇一個詞根組對應的預置標簽作為所述文本信息的分類標簽；

標注單元，用于按照所述選擇單元確定的分類標簽對所述文本信息進行分類。

7.一種存儲介質，其特征在于，所述存儲介質包括存儲的程序，其中，在所述程序運行時控制所述存儲介質所在設備執行權利要求1-5中任一項所述的文本信息的分類方法。

8.一種處理器，其特征在于，所述處理器用于運行程序，其中，所述程序運行時執行權利要求1-5中任一項所述的文本信息的分類方法。