[發明專利]一種文本信息分類方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202010420260.X
• 申請日: 2020-05-18
• 公開（公告）號: CN111611379A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 朱菁;潘斌強;李霽;張俊;楊建明;毛瑞彬;錢鐵云;李旭暉;陳壯
• 申請（專利權）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: 北京集佳知識產權代理有限公司 11227
• 代理人: 郄晨芳

本發明公開了一種文本信息分類方法，包括：獲取待分類語料，并對待分類語料進行過濾處理，得到待分類信息；對待分類信息進行特征提取處理，得到待分類信息對應的主題特征和詞特征；利用主題特征和詞特征進行分類操作，得到待分類語料對應的分類結果；該方法在對待分類語料進行過濾處理得到待分類信息后，通過提取詞特征和主題特征，并利用其進行分類操作，可以充分考慮詞級特征和主題特征的互補關聯性，使得在分類時不僅可以考慮詞級特征的影響，同時還可以考慮主題特征的影響，提高了分類的準確程度；此外，本發明還提供了一種文本信息分類裝置、設備及計算機可讀存儲介質，同樣具有上述有益效果。

技術領域

本發明涉及文本信息分類技術領域，特別涉及一種文本信息分類方法、文本信息分類裝置、文本信息分類設備及計算機可讀存儲介質。

背景技術

自然語言信息分類技術用于對由自然語言文本構成的文章等信息進行分類，以便用戶閱讀或進行數學統計等。現有自然語言文本分類技術包括規則匹配方法和機器學習方法兩種。由于機器學習方法無需設計匹配規則，減少了大量的人工工作，因此正在被廣泛使用。現有機器學習方法對自然語言信息進行單詞一級的特征提取，并根據提取到的特征對自然語言信息進行分類。但是，由于某些單詞或詞組可以在多種不同的場景下被使用，因此僅根據單詞一級的詞級特征進行分類會導致分類準確度較低的問題。

因此，如何解決現有技術分類準確度較低的問題，是本領域技術人員需要解決的技術問題。

發明內容

有鑒于此，本發明的目的在于提供一種文本信息分類方法、文本信息分類設備、文本信息分類裝置及計算機可讀存儲介質，解決了現有技術分類準確度較低的問題。

為解決上述技術問題，本發明提供了一種文本信息分類方法，包括：

獲取待分類語料，并對所述待分類語料進行過濾處理，得到待分類信息；

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

利用所述主題特征和所述詞特征進行分類操作，得到所述待分類語料對應的分類結果。

可選地，所述對所述待分類信息進行特征提取處理，得到所述待分類信息對應的主題特征和詞特征，包括：

利用預訓練模型對所述待分類信息進行字級特征提取，得到所述待分類信息對應的所述詞特征；

利用主題生成模型對所述待分類信息進行主題生成處理，得到所述主題特征。

可選地，所述利用所述主題特征和所述詞特征進行分類操作，得到所述待分類語料對應的分類結果，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行最大池化處理，得到類別分布向量；

利用轉換矩陣與所述類別分布向量相叉乘，得到所述分類結果。

可選地，在所述得到所述待分類信息對應的主題特征和詞特征之后，還包括：

對各個所述詞特征進行要素抽取處理，得到所述待分類語料對應的要素組；

輸出所述分類結果和所述要素組。

可選地，所述對所述待分類語料進行過濾處理，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行停用詞過濾處理和標點過濾處理，得到所述待分類信息。

可選地，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建訓練集；

獲取初始分類模型，并利用所述訓練集對所述初始分類模型進行訓練，得到分類模型。