[發(fā)明專利]文本分類方法和裝置、及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201811337616.2
• 申請(qǐng)日: 2018-11-09
• 公開（公告）號(hào): CN109460472A
• 公開（公告）日: 2019-03-12
• 發(fā)明（設(shè)計(jì)）人: 朱翔宇
• 申請(qǐng)（專利權(quán)）人: 北京京東金融科技控股有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 呂雁葭

本公開提供了一種文本分類方法和裝置，及電子設(shè)備。該文本分類方法包括：根據(jù)文本包括的多個(gè)文本數(shù)據(jù)，獲取文本的向量特征；以向量特征作為多個(gè)第一分類器的輸入，得到文本的多組分類預(yù)測(cè)信息；以及以多組分類預(yù)測(cè)信息作為第二分類器的輸入，得到文本的分類結(jié)果。

技術(shù)領(lǐng)域

本公開涉及計(jì)算機(jī)技術(shù)領(lǐng)域，更具體地，涉及一種文本分類方法和裝置、及電子設(shè)備。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，自然語(yǔ)言處理得到飛速發(fā)展，其中，文本分類任務(wù)是自然語(yǔ)言處理(NLP)領(lǐng)域中基礎(chǔ)和傳統(tǒng)的任務(wù)之一，該文本分類任務(wù)又會(huì)根據(jù)領(lǐng)域類型的不同分成很多子任務(wù)，例如情感分類、主題分類和問(wèn)題分類等。

在實(shí)現(xiàn)本構(gòu)思的過(guò)程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問(wèn)題：現(xiàn)有的文本分類的方法，只是簡(jiǎn)單的利用詞頻-逆文件頻率(term frequency-inverse documentfrequency，TF-IDF)特征，通過(guò)單層分類器，根據(jù)權(quán)重計(jì)算來(lái)預(yù)測(cè)得到文本的分類結(jié)果，但由于待分類的文本可能是不同上報(bào)者上報(bào)的，則由于不同上報(bào)者具有不同的描述用詞習(xí)慣等，可能會(huì)導(dǎo)致對(duì)文本預(yù)測(cè)的分類結(jié)果不準(zhǔn)確，從而不能很好的解決實(shí)際問(wèn)題中不同背景的分類問(wèn)題。

發(fā)明內(nèi)容

有鑒于此，本公開提供了一種能夠提高文本分類準(zhǔn)確度的文本分類方法和裝置、及電子設(shè)備。

本公開的一個(gè)方面提供了一種文本分類方法，該方法包括：根據(jù)文本包括的多個(gè)文本數(shù)據(jù)，獲取文本的向量特征；以向量特征作為多個(gè)第一分類器的輸入，得到文本的多組分類預(yù)測(cè)信息；以及以多組分類預(yù)測(cè)信息作為第二分類器的輸入，得到文本的分類結(jié)果。

根據(jù)本公開的實(shí)施例，上述文本的向量特征包括：頻率向量，用于表征文本包括的多個(gè)文本數(shù)據(jù)的詞頻-逆文件頻率；并且/或者，詞向量，用于表征文本包括的多個(gè)文本數(shù)據(jù)；并且/或者，句向量，用于表征文本包括的多個(gè)文本數(shù)據(jù)組成的多個(gè)語(yǔ)句。

根據(jù)本公開的實(shí)施例，上述以向量特征作為多個(gè)第一分類器的輸入，得到文本的多組預(yù)測(cè)分類信息包括：以頻率向量、詞向量和句向量中的至少兩個(gè)向量分別作為多個(gè)不同的第一分類器的輸入，得到文本的多組分類預(yù)測(cè)信息，其中，以詞向量或句向量作為輸入的第一分類器包括神經(jīng)網(wǎng)絡(luò)模型分類器，每個(gè)第一分類器以一個(gè)向量作為輸入，得到一組分類預(yù)測(cè)信息。

根據(jù)本公開的實(shí)施例，上述以向量特征作為多個(gè)第一分類器的輸入，得到文本的多組預(yù)測(cè)分類信息包括：以頻率向量分別作為多個(gè)不同的第一分類器的輸入，得到文本的多組分類預(yù)測(cè)信息，其中，以頻率向量作為輸入的第一分類器包括伯努利模型分類器、多項(xiàng)式模型分類器和/或邏輯回歸模型分類器。

根據(jù)本公開的實(shí)施例，上述文本分類方法還包括：根據(jù)文本包括的多個(gè)文本數(shù)據(jù)，獲取文本的統(tǒng)計(jì)特征；以及以統(tǒng)計(jì)特征及多組分類預(yù)測(cè)信息作為第二分類器的輸入，得到文本的分類結(jié)果，其中，統(tǒng)計(jì)特征包括：文本包括的多個(gè)文本數(shù)據(jù)中每個(gè)文本數(shù)據(jù)的出現(xiàn)次數(shù)、多個(gè)文本數(shù)據(jù)中包括預(yù)設(shè)關(guān)鍵詞的數(shù)量、和/或根據(jù)文本包括的多個(gè)文本數(shù)據(jù)中的時(shí)間數(shù)據(jù)得到的時(shí)間間隔的最大值、最小值、極差值和/或平均值。

根據(jù)本公開的實(shí)施例，上述文本分類方法在獲取文本的向量特征之前，還包括：對(duì)文本包括的所有文本數(shù)據(jù)進(jìn)行分詞處理，得到多個(gè)文本數(shù)據(jù)；并且/或者，過(guò)濾掉文本包括的所有文本數(shù)據(jù)中的停用詞，得到多個(gè)文本數(shù)據(jù)。

本公開的另一個(gè)方面提供了一種文本分類裝置，該裝置包括：處理模塊，用于根據(jù)文本包括的多個(gè)文本數(shù)據(jù)，獲取文本的向量特征；多個(gè)第一分類器，用于分別以向量特征作為輸入，得到文本的多組分類預(yù)測(cè)信息；以及第二分類器，用于以多組分類預(yù)測(cè)信息作為輸入，得到文本的分類結(jié)果。

根據(jù)本公開的實(shí)施例，上述文本的向量特征包括：頻率向量，用于表征文本包括的多個(gè)文本數(shù)據(jù)的詞頻-逆文件頻率；并且/或者，詞向量，用于表征文本包括的多個(gè)文本數(shù)據(jù)；并且/或者，句向量，用于表征文本包括的多個(gè)文本數(shù)據(jù)組成的多個(gè)語(yǔ)句。