[發(fā)明專利]文章分類方法及裝置、存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201710792136.4
• 申請日: 2017-09-05
• 公開（公告）號: CN110019776B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設(shè)計）人: 王樹偉;溫旭;花少勇;何鑫;姜國華;殷樂;花貴春;范欣;胡博
• 申請（專利權(quán)）人: 騰訊科技（北京）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/284;G06F40/289;G06F18/2411
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 張振偉;張穎玲

本發(fā)明實施例公開了一種文章分類方法及裝置、存儲介質(zhì)；方法包括：將測試集包括的文章的特征詞，與目標(biāo)類別的特征詞庫包括的特征詞進(jìn)行匹配，得到匹配成功的特征詞；根據(jù)所述文章匹配成功的特征詞的得分以及對應(yīng)的權(quán)重，確定所述文章屬于所述目標(biāo)類別的得分；根據(jù)所述文章的得分，確定所述文章是否屬于所述目標(biāo)類別的第一判斷結(jié)果；將剩余文章的特征輸入分類器模型，確定所述剩余文章是否屬于所述目標(biāo)類別的第二判斷結(jié)果，所述剩余文章為根據(jù)所述第一判斷結(jié)果確定的未屬于所述目標(biāo)類別的文章。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)技術(shù)，尤其涉及一種文章分類方法及裝置、存儲介質(zhì)。

背景技術(shù)

互聯(lián)網(wǎng)中的信息呈現(xiàn)爆炸性增長的趨勢，成為獲取新聞、公眾號文章、微博等不同類別文章的重要途徑，覆蓋日常工作、生活和學(xué)習(xí)的各個方面。

部分文章的發(fā)布者為了吸引用戶閱讀或者增加點擊率，會發(fā)布一些帶有色情、低俗、社會負(fù)面色彩的違規(guī)文章，往往在這些違規(guī)文章中，特別是標(biāo)題中，增加一些帶有明顯性暗示、社會低俗行為的字樣；這些類別的文章對于用戶，特別是未成年用戶，產(chǎn)生不良的社會影響。

互聯(lián)網(wǎng)中發(fā)布的文章的數(shù)量和速度都是海量級別的，人工審核的方式難以適應(yīng)用戶快速發(fā)布文章的需求；而對于機(jī)器審核的方式來說，違規(guī)文章為了在躲避發(fā)布時的人工和機(jī)器審核，會在違規(guī)文章中使用很多帶有擦邊球色彩或隱含意義的表達(dá)方式，導(dǎo)致難以準(zhǔn)確識別。

綜上所述，對于準(zhǔn)確高效對文章進(jìn)行分類以過濾違規(guī)文章在互聯(lián)網(wǎng)中的發(fā)布，相關(guān)技術(shù)尚無有效解決方案。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種文章分類方法及裝置、存儲介質(zhì)，能夠準(zhǔn)確高效地進(jìn)行文章分類。

本發(fā)明實施例的技術(shù)方案是這樣實現(xiàn)的：

本發(fā)明實施例提供一種文章分類方法，包括：

將測試集包括的文章的特征詞，與目標(biāo)類別的特征詞庫包括的特征詞進(jìn)行匹配，得到匹配成功的特征詞；

根據(jù)所述文章匹配成功的特征詞的得分以及對應(yīng)的權(quán)重，確定所述文章屬于所述目標(biāo)類別的得分；

根據(jù)所述文章的得分，確定所述文章是否屬于所述目標(biāo)類別的第一判斷結(jié)果；

將剩余文章的特征輸入分類器模型，確定所述剩余文章是否屬于所述目標(biāo)類別的第二判斷結(jié)果，所述剩余文章為根據(jù)所述第一判斷結(jié)果確定的未屬于所述目標(biāo)類別的文章。

本發(fā)明實施例提供一種文章分類裝置，包括：

詞庫識別單元，用于將測試集包括的文章的特征詞，與目標(biāo)類別的特征詞庫包括的特征詞進(jìn)行匹配，得到匹配成功的特征詞；

所述詞庫識別單元，還用于根據(jù)所述文章匹配成功的特征詞的得分以及對應(yīng)的權(quán)重，確定所述文章屬于所述目標(biāo)類別的得分；

所述詞庫識別單元，還用于根據(jù)所述文章的得分，確定所述文章是否屬于所述目標(biāo)類別的第一判斷結(jié)果；

分類器模型識別單元，用于將剩余文章的特征輸入分類器模型，確定所述剩余文章是否屬于所述目標(biāo)類別的第二判斷結(jié)果，所述剩余文章為根據(jù)所述第一判斷結(jié)果確定的未屬于所述目標(biāo)類別的文章。

上述方案中，所述分類器模型識別單元，還用于：

從特征詞庫中獲得特征詞，所述特征詞滿足以下條件：未在所述訓(xùn)練集包括的文章中出現(xiàn)；與所述訓(xùn)練集包括的文章的特征詞的詞向量的距離小于距離閾值；

將針對所述文章獲得的特征詞的詞向量、連同所述文章的特征詞的詞向量作為所述文章的樣本特征。