[發明專利]文本分類方法及裝置

在審

• 申請號: 201911148366.2
• 申請日: 2019-11-21
• 公開（公告）號: CN112256844A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 王陽陽
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張曉霞;劉芳

1.一種文本分類方法，其特征在于，包括：

獲取當前場景下每一子意圖對應的示例問題，所述示例問題為一類問題的標準問法；

根據用戶在當前場景下輸入的問題和文本匹配算法對所述每一子意圖對應的示例問題進行擴充，得到擴充后的每一子意圖對應的示例問題；

根據混淆矩陣、每兩個子意圖之間的混淆度和擴充后的每一子意圖對應的示例問題，對所有子意圖進行合并，得到N個子意圖，所述N為正整數。

2.根據權利要求1所述的方法，其特征在于，所述根據用戶在當前場景下輸入的問題和文本匹配算法對所述每一子意圖對應的示例問題進行擴充，得到擴充后的每一子意圖對應的示例問題，包括：

通過文本匹配算法從用戶在當前場景下輸入的問題中篩選出與所述每一子意圖對應的示例問題相匹配的示例問題；

將所篩選出的與所述每一子意圖對應的示例問題相匹配的示例問題分別作為擴充后的每一子意圖對應的示例問題。

3.根據權利要求1所述的方法，其特征在于，所述根據混淆矩陣、每兩個子意圖之間的混淆度和擴充后的每一子意圖對應的示例問題，對所有子意圖進行合并，得到N個子意圖，包括：

S1、依次將每一子意圖對應的示例問題輸入到所述混淆矩陣，得到每個示例問題預測的子意圖、每個子意圖的準確率和召回率的調和平均值和所有子意圖的總體準確率和召回率的調和平均值；

S2、根據子意圖對應的實際示例問題和預測的示例問題計算所有子意圖中任意兩個子意圖的混淆度；

S3、將混淆度最大的M個子意圖合并，得到一個新的子意圖，所述M為預設正整數，所述新的子意圖對應的示例問題的個數為所述混淆度最大的M個子意圖對應的示例問題的個數之和；

根據所述新的子意圖和除所述M個子意圖之外的子意圖繼續執行所述S1-S3，直到所有子意圖的個數為所述N，所述N為預設值；或者，

根據所述新的子意圖和除所述M個子意圖之外的子意圖繼續執行所述S1-S3，直到所得到的所述N個子意圖中每個子意圖的準確率和召回率的調和平均值均大于第一預設閾值，且所述N個子意圖的總體準確率和召回率的調和平均值大于第二預設閾值。

4.根據權利要求3所述的方法，其特征在于，所述根據子意圖對應的實際示例問題和預測的示例問題計算所有子意圖中任意兩個子意圖的混淆度，包括：

根據子意圖對應的實際示例問題和預測的示例問題通過如下計算公式計算所有子意圖中任意兩個子意圖catei和catej的混淆度

其中，N_catei,catej為實際子意圖為catei但是被預測到catej的示例問題的個數，N_catei表示catei實際示例問題的個數，表示被預測到catei的示例問題的個數。

5.根據權利要求3所述的方法，其特征在于，所述根據子意圖對應的實際示例問題和預測的示例問題計算所有子意圖中任意兩個子意圖的混淆度之前，所述方法還包括：

確定每個子意圖的準確率和召回率的調和平均值小于所述第一預設閾值，且所有子意圖的總體準確率和召回率的調和平均值小于所述第二預設閾值。

6.一種文本分類裝置，其特征在于，包括：

獲取模塊，用于獲取當前場景下每一子意圖對應的示例問題，所述示例問題為一類問題的標準問法；

問題擴充模塊，用于根據用戶在當前場景下輸入的問題和文本匹配算法對所述每一子意圖對應的示例問題進行擴充，得到擴充后的每一子意圖對應的示例問題；

處理模塊，用于根據混淆矩陣、每兩個子意圖之間的混淆度和擴充后的每一子意圖對應的示例問題，對所有子意圖進行合并，得到N個子意圖，所述N為正整數。

7.根據權利要求6所述的裝置，其特征在于，所述問題擴充模塊用于：

通過文本匹配算法從用戶在當前場景下輸入的問題中篩選出與所述每一子意圖對應的示例問題相匹配的示例問題；

將所篩選出的與所述每一子意圖對應的示例問題相匹配的示例問題分別作為擴充后的每一子意圖對應的示例問題。