[發(fā)明專利]一種文本信息分類方法、裝置、設(shè)備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010420260.X
• 申請日: 2020-05-18
• 公開（公告）號: CN111611379A
• 公開（公告）日: 2020-09-01
• 發(fā)明（設(shè)計）人: 朱菁;潘斌強(qiáng);李霽;張俊;楊建明;毛瑞彬;錢鐵云;李旭暉;陳壯
• 申請（專利權(quán)）人: 深圳證券信息有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/279
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 郄晨芳

1.一種文本信息分類方法，其特征在于，包括：

獲取待分類語料，并對所述待分類語料進(jìn)行過濾處理，得到待分類信息；

對所述待分類信息進(jìn)行特征提取處理，得到所述待分類信息對應(yīng)的主題特征和詞特征；

利用所述主題特征和所述詞特征進(jìn)行分類操作，得到所述待分類語料對應(yīng)的分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的文本信息分類方法，其特征在于，所述對所述待分類信息進(jìn)行特征提取處理，得到所述待分類信息對應(yīng)的主題特征和詞特征，包括：

利用預(yù)訓(xùn)練模型對所述待分類信息進(jìn)行字級特征提取，得到所述待分類信息對應(yīng)的所述詞特征；

利用主題生成模型對所述待分類信息進(jìn)行主題生成處理，得到所述主題特征。

3.根據(jù)權(quán)利要求1所述的文本信息分類方法，其特征在于，所述利用所述主題特征和所述詞特征進(jìn)行分類操作，得到所述待分類語料對應(yīng)的分類結(jié)果，包括：

利用所述詞特征和所述主題特征生成融合向量，并對所述融合向量進(jìn)行最大池化處理，得到類別分布向量；

利用轉(zhuǎn)換矩陣與所述類別分布向量相叉乘，得到所述分類結(jié)果。

4.根據(jù)權(quán)利要求1所述的文本信息分類方法，其特征在于，在所述得到所述待分類信息對應(yīng)的主題特征和詞特征之后，還包括：

對各個所述詞特征進(jìn)行要素抽取處理，得到所述待分類語料對應(yīng)的要素組；

輸出所述分類結(jié)果和所述要素組。

5.根據(jù)權(quán)利要求1所述的文本信息分類方法，其特征在于，所述對所述待分類語料進(jìn)行過濾處理，得到待分類信息，包括：

獲取過濾詞典，并利用所述過濾詞典對所述待分類語料進(jìn)行停用詞過濾處理和標(biāo)點(diǎn)過濾處理，得到所述待分類信息。

6.根據(jù)權(quán)利要求1至5任一項所述的文本信息分類方法，其特征在于，在所述獲取待分類語料之前，還包括：

獲取原始語料，并利用所述原始語料構(gòu)建訓(xùn)練集；

獲取初始分類模型，并利用所述訓(xùn)練集對所述初始分類模型進(jìn)行訓(xùn)練，得到分類模型。

7.根據(jù)權(quán)利要求6所述的文本信息分類方法，其特征在于，所述利用所述訓(xùn)練集對所述初始分類模型進(jìn)行訓(xùn)練，得到分類模型，包括：

將所述訓(xùn)練集輸入所述初始分類模型；

計算所述訓(xùn)練集中的各個訓(xùn)練語料對應(yīng)的分類損失值；

根據(jù)所述分類損失值對所述初始分類模型中的參數(shù)進(jìn)行調(diào)整；

統(tǒng)計所述初始分類模型對應(yīng)的性能指標(biāo)，當(dāng)所述性能指標(biāo)達(dá)到預(yù)設(shè)閾值時，將所述初始分類模型確定為所述分類模型。

8.一種文本信息分類裝置，其特征在于，包括：

獲取模塊，用于獲取待分類語料，并對所述待分類語料進(jìn)行過濾處理，得到待分類信息；

特征提取模塊，用于對所述待分類信息進(jìn)行特征提取處理，得到所述待分類信息對應(yīng)的主題特征和詞特征；

分類模塊，用于利用所述主題特征和所述詞特征進(jìn)行分類操作，得到所述待分類語料對應(yīng)的分類結(jié)果。

9.一種文本信息分類設(shè)備，其特征在于，包括存儲器和處理器，其中：

所述存儲器，用于保存計算機(jī)程序；

所述處理器，用于執(zhí)行所述計算機(jī)程序，以實(shí)現(xiàn)如權(quán)利要求1至7任一項所述的文本信息分類方法。

10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，用于保存計算機(jī)程序，其中，所述計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1至7任一項所述的文本信息分類方法。