[發明專利]一種文本分類方法、服務器及計算機可讀介質

在審

• 申請號: 201711498600.5
• 申請日: 2017-12-29
• 公開（公告）號: CN108170818A
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 黃佳恒
• 申請（專利權）人: 深圳市金立通信設備有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種文本分類方法，其特征在于，包括：

獲取待分類文本，所述待分類文本包括M個詞，其中，M為正整數；

根據待分類文本的N個詞，通過主題模型得到所述N個詞中每個詞對應的主題，其中，N為不大于M的正整數；

根據所述N個詞中每個詞以及每個詞對應的主題，通過主題詞向量模型得到所述N個詞中每個詞對應的主題詞向量，其中，所述主題詞向量為詞與詞對應的主題共同的向量表示；

根據所述N個詞中每個詞對應的主題詞向量，通過分類模型得到所述待分類文本的類別；

其中，所述主題模型、所述主題詞向量模型、所述分類模型為已訓練模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取待分類文本之后，還包括：

對所述待分類文本進行文本分詞處理，得到所述待分類文本的M個詞；

對所述M個詞進行去停用詞處理，得到所述待分類文本的N個詞；

其中，所述文本分詞處理使用的算法包括：正向最大匹配算法、逆向最大匹配算法、最少切分算法、結巴分詞算法中的其中一個。

3.根據權利要求1所述的方法，其特征在于，所述主題模型為隱含狄利克雷分布主題模型，所述主題詞向量模型為主題詞嵌入模型。

4.根據權利要求3所述的方法，其特征在于，所述通過主題詞向量模型得到所述N個詞中每個詞對應的主題詞向量，具體包括：

通過主題詞嵌入模型，得到所述N個詞中每個詞對應的詞向量以及每個詞對應的主題向量；

將每個詞對應的詞向量與每個詞對應的主題向量進行拼接，得到每個詞對應的主題詞向量；

其中，詞向量為i維向量，主題向量為j維向量，主題詞向量為(i+j)維向量。

5.根據權利要求1或2所述的方法，其特征在于，所述通過主題詞向量模型得到所述N個詞中每個詞對應的主題詞向量，具體包括：

通過詞向量模型，得到所述N個詞中每個詞對應的詞向量，通過主題向量模型，得到所述N個詞中每個詞對應的主題向量；

將每個詞對應的詞向量與每個詞對應的主題向量進行拼接，得到每個詞對應的主題詞向量；

其中，詞向量為i維向量，主題向量為j維向量，主題詞向量為(i+j)維向量。

6.根據權利要求1所述的方法，其特征在于，所述分類模型包括快速文本分類模型、卷積神經網絡模型、長短期記憶網絡模型中的其中一個。

7.根據權利要求1所述的方法，其特征在于，所述分類模型為快速文本分類模型，所述根據所述N個詞中每個詞對應的主題詞向量，通過分類模型得到所述待分類文本的類別，具體包括：

將所述N個詞的主題詞向量作平均運算，得到運算結果；

根據所述運算結果，通過分類器得到所述待分類文本的類別；

其中，分類器包括：Logistic分類器、Softmax分類器的其中一個。

8.一種服務器，其特征在于，包括用于執行如權利要求1-7任一權利要求所述的方法的單元。

9.一種服務器，其特征在于，包括處理器、輸入設備、輸出設備和存儲器，所述處理器、輸入設備、輸出設備和存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調用所述程序指令，執行如權利要求1-7任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行如權利要求1-7任一項所述的方法。