[發(fā)明專利]基于自學(xué)習(xí)的電子案卷分類方法及裝置

有效

• 申請?zhí)枺?/td>: 201911127812.1
• 申請日: 2019-11-18
• 公開（公告）號: CN111046175B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 林靜;呂曉敏;尉錦龍;盧會春;王翔
• 申請（專利權(quán)）人: 杭州天翼智慧城市科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/289;G06N3/0464;G06N3/08
• 代理公司: 北京潤平知識產(chǎn)權(quán)代理有限公司 11283
• 代理人: 陳瀟瀟;陳小蓮

本發(fā)明實(shí)施方式提供一種基于自學(xué)習(xí)的電子案卷分類方法及裝置，屬于文本分類技術(shù)領(lǐng)域，所述方法包括：獲取電子案卷文本樣本；提取電子案卷文本樣本中的特征信息樣本；以特征信息樣本作為輸入，經(jīng)預(yù)訓(xùn)練的第一預(yù)測模型得到電子案卷文本樣本的預(yù)測類別；若預(yù)測類別不準(zhǔn)確，修正預(yù)測類別，將特征信息樣本以擴(kuò)容系數(shù)為倍數(shù)復(fù)制至訓(xùn)練集；若預(yù)測類別準(zhǔn)確，將特征信息樣本作為訓(xùn)練樣本加入訓(xùn)練集。本發(fā)明的技術(shù)方案通過訓(xùn)練好的預(yù)測模型對電子案卷文本進(jìn)行分類，結(jié)合自學(xué)習(xí)機(jī)制，在對電子案卷分類過程中，針對不同的分類結(jié)果，對應(yīng)不同的訓(xùn)練集數(shù)據(jù)修正策略，優(yōu)化訓(xùn)練集數(shù)據(jù)，有效提高了預(yù)測的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及文本分類技術(shù)領(lǐng)域，具體地涉及一種基于自學(xué)習(xí)的電子案卷分類方法以及一種基于自學(xué)習(xí)的電子案卷分類裝置。

背景技術(shù)

隨著電子政務(wù)服務(wù)的發(fā)展，報(bào)案人員可通過政務(wù)app、熱線、網(wǎng)頁等方式進(jìn)行投訴和建議，報(bào)案信息最終轉(zhuǎn)換為文本數(shù)據(jù)錄入、分類、提交，隨后根據(jù)案件類別、意見內(nèi)容將案卷分發(fā)至處理部門，以待處理。少量報(bào)案數(shù)據(jù)的情況下，人工分類可以滿足需求，但隨著各渠道案件量迅速上升，人工分類方式已不能滿足當(dāng)前的實(shí)際需要，新增案卷智能分類成為了急需解決的問題。

值得注意的是，以上分類工作大多可通過機(jī)器學(xué)習(xí)的方法解決，傳統(tǒng)的機(jī)器學(xué)習(xí)方法主要是線性和淺層非線性的方法，如SVM、樸素貝葉斯分類器實(shí)現(xiàn)文本分類，對于復(fù)雜詞句的語義內(nèi)容必然會帶來許多誤差，且存在數(shù)據(jù)量變大時(shí)會有收斂速度慢的缺點(diǎn)。

發(fā)明內(nèi)容

本發(fā)明實(shí)施方式的目的是提供一種基于自學(xué)習(xí)的電子案卷分類方法以及一種基于自學(xué)習(xí)的電子案卷分類裝置，以解決現(xiàn)有的文本分類對復(fù)雜詞句的誤差大，且在數(shù)據(jù)量變大時(shí)會有收斂速度慢的問題。

為了實(shí)現(xiàn)上述目的，在本發(fā)明第一方面，提供一種基于自學(xué)習(xí)的電子案卷分類方法，包括：

獲取電子案卷文本樣本；

提取所述電子案卷文本樣本中的特征信息樣本；

以所述特征信息樣本作為輸入，經(jīng)預(yù)訓(xùn)練的第一預(yù)測模型得到電子案卷文本樣本的預(yù)測類別，所述第一預(yù)測模型通過包括不同類別電子案卷文本樣本的特征信息樣本的訓(xùn)練集對卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練后得到；

判斷所述預(yù)測類別是否準(zhǔn)確，若不準(zhǔn)確，修正所述預(yù)測類別，以修正后的類別作為最終分類類別，以及將所述特征信息樣本以擴(kuò)容系數(shù)為倍數(shù)復(fù)制至所述訓(xùn)練集；若準(zhǔn)確，將所述預(yù)測類別作為最終分類類別，并將所述特征信息樣本作為訓(xùn)練樣本加入所述訓(xùn)練集。

可選地，所述提取所述電子案卷文本樣本中的特征信息樣本，包括：

對所述電子案卷文本樣本進(jìn)行數(shù)據(jù)預(yù)處理；

對經(jīng)數(shù)據(jù)預(yù)處理后的電子案卷文本樣本進(jìn)行分詞及去停用詞處理，得到分詞詞組，基于所述分詞詞組得到所述特征信息樣本。

可選地，所述方法還包括：

在當(dāng)前所有的電子案卷文本樣本數(shù)量達(dá)到設(shè)定閾值時(shí)，通過所述訓(xùn)練集對所述第一預(yù)測模型重新進(jìn)行訓(xùn)練，得到第二預(yù)測模型，若所述第二預(yù)測模型的預(yù)測準(zhǔn)確率高于所述第一預(yù)測模型的預(yù)測準(zhǔn)確率，用所述第二預(yù)測模型替換所述第一預(yù)測模型。

可選地，所述第一預(yù)測模型包括：

輸入層，用于接收所述特征信息樣本并對所述特征信息樣本進(jìn)行詞嵌入以將輸入的特征信息樣本轉(zhuǎn)化為特征向量；

卷積層，用于提取所述特征向量的向量特征；

池化層，用于對提取到的所有向量特征進(jìn)行降維處理；

全連接層，用于依據(jù)降維處理后的向量特征輸出所述特征信息樣本對應(yīng)的電子案卷文本樣本屬于每個(gè)類別的概率，并以概率最高的類別作為預(yù)測類別。

可選地，所述擴(kuò)容系數(shù)通過以下方式確定：：