[發明專利]基于SFM-DCNN的層次特征文本分類方法和系統

有效

• 申請號: 202010097431.X
• 申請日: 2020-02-17
• 公開（公告）號: CN111400492B
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 余本功;王胡燕;朱夢迪;汲浩敏
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/284;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

本發明提供一種基于SFM?DCNN的層次特征文本分類方法和系統，涉及文本分類領域。本發明在特征選擇階段，使用語義特征句向量來表示待分類文本，語義特征句向量能夠高效捕獲上下文語義聯系、空間信息和位置信息等多種語義信息，并將獲取的信息進行強化，能夠捕獲高級的全局語義信息，從而能夠有效的提高文本分類的準確率；在特征獲取階段，采用多通道層次特征，能夠在獲得關鍵特征的同時進行多層次特征獲取，對特征起到強化作用，有效減少了特征的丟失，從而進一步提高文本分類的準確率。

技術領域

本發明涉及文本分類技術領域，具體涉及一種基于SFM-DCNN的層次特征文本分類方法和系統。

背景技術

隨著互聯網在生活中的普及和信息技術的發展，人們的需求量日益增長，為了滿足用戶的的需求，越來越多的企業提供了線上服務。用戶在享受線上服務便利的同時，會不斷地產生用戶信息。針對不同的產品，不同的企業，用戶產生的用戶足跡信息不盡相同。隨著企業在線服務不斷增多，用戶信息不斷增加，這給企業及用戶帶來了嚴峻的挑戰。對企業而言，面對日趨劇烈的競爭，如何有效地抓住用戶需求，成為了企業急需解決的問題。用戶在接受在線服務時，產生的在線消費、在線評論、在線搜索等信息中，攜帶了大量的信息。這些信息中往往蘊含著大量的用戶潛在需求，以及企業服務中的存在的問題。如何對海量用戶信息進行有效組織和挖掘，掌握用戶需求，逐漸成為了企業的研究熱點，文本分類技術的需求也日益突出。

現有的文本分類方法主要是通過word2vec來獲取詞向量，word2vec詞向量可以定量地度量詞語之間的語義關系，挖掘詞語之間的聯系。

然而，本申請的發明人發現，現有的文本分類方法無法有效理解文本中的語義特征，導致文本分類準確率低。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種基于SFM-DCNN的層次特征文本分類方法和系統，解決了文本分類準確率低的技術問題。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：

本發明提供一種基于SFM-DCNN的層次特征文本分類方法，所述方法由計算機執行，包括以下步驟：

文本預處理獲取待分類文本；

基于BERT模型獲取所述待分類文本的語義特征句向量；

基于深度卷積神經網絡獲取所述語義特征句向量的多通道層次特征；

通過深度卷積神經網絡對所述多通道層次特征進行最大池化，得到最大特征；

基于softmax分類器對所述最大特征進行歸一化處理，獲取待分類文本的分類結果。

優選的，所述基于BERT模型獲取待分類文本的語義特征句向量，包括：

對所述待分類文本進行編碼；

對編碼后的待分類文本進行深層語義編碼，獲取語義特征句向量。

優選的，所述基于深度卷積神經網絡獲取所述語義特征句向量的多通道層次特征，包括：

基于深度卷積神經網絡的卷積循環塊對所述語義特征句向量進行特征提取，得到深層語義特征；

基于多通道深度卷積神經網絡的卷積循環塊對所述深層語義特征進行強化，得到多通道層次特征。

優選的，所述獲取最大特征，包括：

將多通道層次特征進行拼接，得到待分類文本的最終語義特征；

對所述最終語義特征進行最大池化，得到最大特征。