[發(fā)明專利]文本分類方法、裝置、設(shè)備及可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201911328004.1
• 申請日: 2019-12-20
• 公開（公告）號: CN110968697B
• 公開（公告）日: 2023-06-16
• 發(fā)明（設(shè)計(jì)）人: 汪鴻翔;吳飛;張浩宇;方四安;徐承
• 申請（專利權(quán)）人: 合肥訊飛數(shù)碼科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 薛嬌

本申請實(shí)施例公開了一種文本分類方法、裝置、設(shè)備及可讀存儲介質(zhì)，對待分類文本進(jìn)行字、詞、句三個(gè)層級的編碼，得到待分類文本的字級向量表達(dá)、詞級向量表達(dá)和句級向量表達(dá)；將由字級向量表達(dá)、詞級向量表達(dá)和句級向量表達(dá)構(gòu)成的純四元數(shù)空間向量表達(dá)在四元數(shù)空間進(jìn)行處理，得到待分類文本在四元數(shù)空間的特征；至少根據(jù)待分類文本在四元數(shù)空間的特征確定待分類文本的類別。本申請實(shí)施例提供的文本分類方案，將待分類文本表示為一個(gè)純四元數(shù)空間向量在四元數(shù)空間進(jìn)行特征提取，所提取的特征保持了待分類文本的字、詞、句的相關(guān)性和整體性，從而提高短文本的分類準(zhǔn)確度。

技術(shù)領(lǐng)域

本申請涉及自然語言處理技術(shù)領(lǐng)域，更具體地說，涉及一種文本分類方法、裝置、設(shè)備及可讀存儲介質(zhì)。

背景技術(shù)

文本分類是自然語言處理研究中最為廣泛的任務(wù)之一，文本分類的目的是將文本分配到預(yù)先定義的某個(gè)主題類別中。

目前的文本分類方法在對長文本(如，文章)進(jìn)行分類時(shí)，分類準(zhǔn)確度較高，但對短文本(通常在100字以內(nèi))進(jìn)行分類時(shí)，分類的準(zhǔn)確度卻較低。

因此，如何提高短文本的分類準(zhǔn)確度成為亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

有鑒于此，本申請?zhí)峁┝艘环N文本分類方法、裝置、設(shè)備及可讀存儲介質(zhì)，以提高短文本的分類準(zhǔn)確度。

為了實(shí)現(xiàn)上述目的，現(xiàn)提出的方案如下：

一種文本分類，包括：

對待分類文本進(jìn)行字、詞、句三個(gè)層級的編碼，得到所述待分類文本的字級向量表達(dá)、詞級向量表達(dá)和句級向量表達(dá)；

將由所述字級向量表達(dá)、詞級向量表達(dá)和句級向量表達(dá)構(gòu)成的純四元數(shù)空間向量表達(dá)在四元數(shù)空間進(jìn)行處理，得到所述待分類文本在所述四元數(shù)空間的特征；

至少根據(jù)所述待分類文本在所述四元數(shù)空間的特征確定所述待分類文本的類別。

上述方法，優(yōu)選的，所述待分類文本為中文文本，所述對待分類文本進(jìn)行字級編碼，包括：

對于所述待分類文本中的每一個(gè)字，獲取該字的各個(gè)偏旁；

根據(jù)該字的各個(gè)偏旁得到該字的向量表達(dá)。

上述方法，優(yōu)選的，所述將由所述字級向量表達(dá)、詞級向量表達(dá)和句級向量表達(dá)構(gòu)成的純四元數(shù)空間向量表達(dá)在四元數(shù)空間進(jìn)行處理包括：

利用四元數(shù)卷積核對所述純四元數(shù)空間向量表達(dá)進(jìn)行四元數(shù)卷積處理，得到所述待分類文本在所述四元數(shù)空間的初始特征；

對所述待分類文本在所述四元數(shù)空間的初始特征進(jìn)行降維，得到所述待分類文本在所述四元數(shù)空間的特征。

上述方法，優(yōu)選的，在至少根據(jù)所述待分類文本在所述四元數(shù)空間的特征確定所述待分類文本的類別之前，還包括：

獲取所述待分類文本在實(shí)數(shù)空間的特征；

所述至少根據(jù)所述待分類文本在所述四元數(shù)空間的特征確定所述待分類文本的類別，包括：

對所述待分類文本在所述四元數(shù)空間的特征，以及所述待分類文本在實(shí)數(shù)空間的特征進(jìn)行處理，得到所述待分類文本的類別。

上述方法，優(yōu)選的，所述獲取所述待分類文本在實(shí)數(shù)空間的特征，包括：

獲取所述待分類文本中的各個(gè)詞的向量表達(dá)；

對所述待分類文本中各個(gè)詞的位置進(jìn)行編碼，得到所述待分類文本中各個(gè)詞的位置的向量表達(dá)；

對所述待分類文本中各個(gè)詞的向量表達(dá)和位置的向量表達(dá)進(jìn)行處理，得到所述待分類文本在實(shí)數(shù)空間的特征。