[發明專利]一種文件分類方法、裝置及電子設備

在審

• 申請號: 201711051376.5
• 申請日: 2017-10-31
• 公開（公告）號: CN107844559A
• 公開（公告）日: 2018-03-27
• 發明（設計）人: 張斌德;夏耘海;王甲樑
• 申請（專利權）人: 國信優易數據有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 王術蘭

1.一種文件分類方法，其特征在于，所述方法包括：

將待分類投訴文本進行分詞處理，獲得多個待匹配詞語；

將所述多個待匹配詞語與表征不同投訴問題的詞典分別進行匹配，獲取匹配結果；

根據所述匹配結果確定所述待分類投訴文本所屬投訴類別；

其中，所述表征不同投訴問題的詞典為將多個歷史投訴文本進行訓練得到的。

2.根據權利要求1所述的方法，其特征在于，還包括：

對所述多個歷史投訴文本中每個歷史投訴文本進行分詞處理，確定表征不同投訴問題的詞語構成的詞典；

針對每個詞典，根據該詞典所包含的各詞語的語義與該詞典所表征投訴問題的關聯程度的高低，將各詞語劃分語義集，并為每個語義集分配對應的權重范圍；以及

為每個詞語從所屬語義集對應的權重范圍內確定權重；

其中，與投訴問題關聯程度越高的語義集所分配權重范圍對應權重越大。

3.根據權利要求2所述的方法，其特征在于，將所述多個待匹配詞語與表征不同投訴問題的詞典分別進行匹配，獲取匹配結果，具體包括：

獲取所述多個待匹配詞語中每個待匹配詞語的在所述待分類投訴文本中的權重，將每個待匹配詞語的權重作為第一詞頻向量；

針對每個詞典，獲取為該詞典中每個詞語分配的權重，得到該詞典對應的第二詞頻向量；

按照預設相似度匹配算法，將所述第一詞頻向量分別與各詞典分別對應的第二詞頻向量依次進行相似度匹配，直到確定出匹配的第二詞頻向量則停止繼續匹配，并獲取匹配結果。

4.根據權利要求3所述的方法，其特征在于，獲取所述多個待匹配詞語中每個待匹配詞語的在所述待分類投訴文本中的權重，具體包括：

采用TF-IDF算法獲取所述待分類投訴文本中每個待匹配詞語的TF-IDF值，將待匹配詞語的TF-IDF值作為該待匹配詞語的權重。

5.根據權利要求3-4中任一權項所述的方法，其特征在于，所述預設相似度匹配算法為夾角余弦算法；

采用如下方式確定所述第一詞頻向量與任一第二詞頻向量之間的夾角余弦，完成相似度匹配：

將所述第一詞頻向量表示為A＝[A₁,A₂...A_n]，第二詞頻向量表示為B＝[B₁,B₂...B_n]，基于夾角余弦公式進行相似度匹配，獲取匹配結果。

6.一種文件分類裝置，其特征在于，所述裝置包括：

分詞處理模塊，用于將待分類投訴文本進行分詞處理，獲得多個待匹配詞語；

匹配模塊，用于將所述多個待匹配詞語與表征不同投訴問題的詞典分別進行匹配，獲取匹配結果；

分類模塊，用于根據所述匹配結果確定所述待分類投訴文本所屬投訴類別；

其中，所述表征不同投訴問題的詞典為將多個歷史投訴文本進行訓練得到的。

7.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

詞典獲取模塊，用于對所述多個歷史投訴文本中每個歷史投訴文本進行分詞處理，確定表征不同投訴問題的詞語構成的詞典；

權重分配模塊，用于針對每個詞典，根據該詞典所包含的各詞語的語義與該詞典所表征投訴問題的關聯程度的高低，將各詞語劃分語義集，并為每個語義集分配對應的權重范圍；以及

權重確定模塊，用于為每個詞語從所屬語義集對應的權重范圍內確定權重；

其中，與投訴問題關聯程度越高的語義集所分配權重范圍對應權重越大。

8.根據權利要求7所述的裝置，其特征在于，所述匹配模塊包括：

第一詞頻向量獲取單元，用于獲取所述多個待匹配詞語中每個待匹配詞語的在所述待分類投訴文本中的權重，將每個待匹配詞語的權重作為第一詞頻向量；

第二詞頻向量獲取單元，用于針對每個詞典，獲取為該詞典中每個詞語分配的權重，得到該詞典對應的第二詞頻向量；

匹配單元，用于按照預設相似度匹配算法，將所述第一詞頻向量分別與各詞典分別對應的第二詞頻向量依次進行相似度匹配，直到確定出匹配的第二詞頻向量則停止繼續匹配，并獲取匹配結果。