[發(fā)明專利]文本信息的行業(yè)分類方法、系統(tǒng)、計算機(jī)設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810290042.1
• 申請日: 2018-04-03
• 公開（公告）號: CN108563722B
• 公開（公告）日: 2021-04-02
• 發(fā)明（設(shè)計）人: 翁永金;李百川;馮玨曦;李錦勝;陳第;蔡銳濤
• 申請（專利權(quán)）人: 有米科技股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/284;G06F40/289
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 余永文

本申請涉及一種文本信息的行業(yè)分類方法、系統(tǒng)、計算機(jī)設(shè)備和存儲介質(zhì)。所述方法包括：獲取待分類文本信息的特征詞，根據(jù)特征詞以及預(yù)先建立的行業(yè)特征詞庫，得到待分類文本信息對應(yīng)的初始行業(yè)標(biāo)簽，根據(jù)特征詞以及預(yù)先建立的詞向量模型，得到待分類文本信息的特征向量，根據(jù)特征向量以及預(yù)先設(shè)置的分類模型，分別得到待分類文本信息對應(yīng)于初始行業(yè)標(biāo)簽中各行業(yè)標(biāo)簽的行業(yè)標(biāo)簽概率，根據(jù)行業(yè)標(biāo)簽概率，從初始行業(yè)標(biāo)簽中確定出待分類文本信息對應(yīng)的行業(yè)分類。采用本方法能夠使文本信息的行業(yè)分類更加準(zhǔn)確。

技術(shù)領(lǐng)域

本申請涉及文本挖掘技術(shù)領(lǐng)域，特別是涉及一種文本信息的行業(yè)分類方法、系統(tǒng)、計算機(jī)設(shè)備和存儲介質(zhì)。

背景技術(shù)

隨著互聯(lián)網(wǎng)的發(fā)展，傳統(tǒng)的營銷行業(yè)也愈發(fā)煥發(fā)生機(jī)，營銷渠道逐漸從線下轉(zhuǎn)到線上，廣告文案也隨之呈現(xiàn)爆炸性的增長。廣告文案實質(zhì)上是屬于短文本范疇的文本信息，其文本內(nèi)容較少，具有特征稀疏、缺少上下文信息、信息量少等缺點，同時廣告文案為了吸引用戶一般呈現(xiàn)的內(nèi)容含義均是比較表面的。若能利用文本信息對廣告文案進(jìn)行行業(yè)分類，不同行業(yè)企業(yè)便可有的放矢地參考同行文案創(chuàng)意來提升自身廣告效果。

針對短文本分類，目前常見的文本分類方法有以下方法：

(1)人工經(jīng)驗標(biāo)注方法：人工依靠經(jīng)驗對廣告文案進(jìn)行分類；

(2)基于模型的自動分類方法，一般是先對文本進(jìn)行特征處理再通過相應(yīng)的算法，如基于樸素貝葉斯(Bayes)、支持向量機(jī)(SVM，Support Vector Machine)、人工神經(jīng)網(wǎng)絡(luò)(ANN，artificial neural network)、k最鄰近(kNN，k-Nearest Neighbor) 等進(jìn)行判別。

對于人工分類，雖能保證準(zhǔn)確率但拓展性差，很難達(dá)到實用的標(biāo)準(zhǔn)。對于模型雖能自動化實現(xiàn)分類，但如SVM、ANN等算法一般均為黑箱，人為沒辦法從特征角度理解其機(jī)理，同時對于不同模型在不同業(yè)務(wù)背景下效果區(qū)別較大。從而導(dǎo)致文本信息進(jìn)行行業(yè)分類時準(zhǔn)確性較低。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種能夠解決文本信息進(jìn)行行業(yè)分類時準(zhǔn)確性較低的文本信息的行業(yè)分類方法、系統(tǒng)、計算機(jī)設(shè)備和存儲介質(zhì)。

一種文本信息的行業(yè)分類方法，所述方法包括：

獲取待分類文本信息的特征詞，根據(jù)所述特征詞以及預(yù)先建立的行業(yè)特征詞庫，得到所述待分類文本信息對應(yīng)的初始行業(yè)標(biāo)簽；

根據(jù)所述特征詞以及預(yù)先建立的詞向量模型，得到所述待分類文本信息的特征向量；

根據(jù)所述特征向量以及預(yù)先設(shè)置的分類模型，分別得到所述待分類文本信息對應(yīng)于所述初始行業(yè)標(biāo)簽中各行業(yè)標(biāo)簽的行業(yè)標(biāo)簽概率；

根據(jù)所述行業(yè)標(biāo)簽概率，從初始行業(yè)標(biāo)簽中確定出所述待分類文本信息對應(yīng)的行業(yè)分類。

上述文本信息的行業(yè)分類方法，通過獲取待分類文本信息的特征詞，根據(jù)預(yù)設(shè)的行業(yè)特征詞庫，篩選出初始行業(yè)標(biāo)簽，然后以初始行業(yè)標(biāo)簽中每個行業(yè)標(biāo)簽為待分類文本信息的行業(yè)分類，通過詞向量模型計算出每個待分類文本信息的特征向量，然后根據(jù)預(yù)先設(shè)置的分類模型，計算出初始行業(yè)標(biāo)簽中各行業(yè)標(biāo)簽的行業(yè)標(biāo)簽概率，從初始行業(yè)標(biāo)簽中確定出待分類文本信息對應(yīng)的行業(yè)分類。本發(fā)明實施例中，通過初步篩選出可能的行業(yè)標(biāo)簽，然后通過分類模型確定出行業(yè)標(biāo)簽，使文本信息的行業(yè)分類更加準(zhǔn)確。

在其中一個實施例中，還包括：獲取已知行業(yè)標(biāo)簽的已知文本信息；對同一行業(yè)標(biāo)簽對應(yīng)的所有的已知文本信息進(jìn)行分詞處理，得到同一行業(yè)標(biāo)簽對應(yīng)的候選特征詞匯集合；將所述候選特征詞匯集合中每個詞匯作為TextRank模型中的一個節(jié)點，得到每個詞匯的TextRank值；根據(jù)詞匯的TextRank值，建立行業(yè)特征詞庫。

在其中一個實施例中，還包括：驗證所述待分類文本信息是否與其行業(yè)分類對應(yīng)；若否，則根據(jù)所述待分類文本信息的實際行業(yè)分類，更新所述行業(yè)特征詞庫。