[發明專利]面向健康輿情的文本分類方法

在審

• 申請號: 201810582880.6
• 申請日: 2018-06-08
• 公開（公告）號: CN108829810A
• 公開（公告）日: 2018-11-16
• 發明（設計）人: 陳雷霆;李巧平;陳秋生;徐安;陳雅琳;劉薇;陳淑珠
• 申請（專利權）人: 東莞迪賽軟件技術有限公司;電子科技大學廣東電子信息工程研究院
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27;G06N3/08
• 代理公司: 北京匯捷知識產權代理事務所(普通合伙) 11531
• 代理人: 李宏偉

1.一種面向健康輿情的文本分類方法，其特征在于：所述面向健康輿情的文本分類方法利用深度神經網絡TextCNN、TextRNN以及TextRCNN的對健康輿情文本數據進行特征學習，將最后一層特征做為LightGBM集成學習方法的輸入，訓練LightGBM模型，實現健康輿情文本數據的分類，最后進行模型融合，進一步提升分類的準確率，該面向健康輿情的文本分類方法具體步驟如下：

(1)數據處理：健康輿情文本數據進行處理，統一格式；

(2)數據增強：使用shuffle方法打亂詞順序，使用drop方法隨機刪除某些詞；

(3)分詞：將健康輿情文本數據重新組合成詞序列；

(4)構建詞向量和字向量：使用word2vec模型對分詞結果進行嵌入化處理得到詞向量和字向量；

(5)神經網絡提取特征：利用深度神經網絡TextCNN、TextRNN、TextRCNN的對健康輿情文本數據的詞向量和字向量進行自動特征學習，得到最后一層特征，即利用深度神經網絡全連接層前面的網絡結構提取特征；

(6)LightGBM訓練神經網絡提取的特征數據：將深度神經網絡提取最后一層的特征數據做為LightGBM集成學習方法的輸入，對健康輿情文本數據進行分類；

(7)模型融合：將步驟(6)中訓練輸出作為LightGBM的輸入，使用stacking方法進行模型融合，Stacking方法的具體實現過程利用TextCNN-LightGBM、TextRNN-LightGBM、TextRCNN-LightGBM模型對訓練集的詞向量和字向量進行5折訓練、分類，并將訓練的模型對測試集進行分類，再將訓練集的測試結果組合成新的訓練集，測試集的測試結果取均值后組合成新的測試集，最后將新的訓練集做為LightGBM的輸入，訓練模型，對新的測試集進行分類測試。