[發明專利]文本分類方法、裝置及設備

在審

• 申請號: 202010434980.1
• 申請日: 2020-05-21
• 公開（公告）號: CN111753525A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 方思維
• 申請（專利權）人: 浙江口碑網絡技術有限公司
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/289;G06F40/30;G06K9/62
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

1.一種文本分類方法，其特征在于，包括：

獲取對文本語料庫中文本信息進行分詞處理后的文本分詞；

確定文本分詞對應的屬性特征；

基于所述本分詞對應的屬性特征，選取適用于相應屬性特征的統計模型對文本語料信息中文本分詞進行頻率統計，得到文本分詞在文本信息中的權重值；

將所述文本分詞在文本信息中的權重值輸入至預先訓練的分類器中進行分類，得到文本信息所映射的分類結果。

2.根據權利要求1所述的方法，其特征在于，所述確定文本分詞對應的屬性特征，具體包括：

利用預先訓練的特征語料庫中所記錄的分詞與屬性特征之間的映射關系，確定文本分詞對應的屬性特征；

所述利用預先訓練的特征語料庫中所記錄的分詞與屬性特征之間的映射關系，確定文本分詞對應的屬性特征，具體包括：

將文本語料庫中的文本分詞與預先訓練的特征語料庫中所記錄的分詞進行特征匹配；

若匹配成功，則提取預先訓練的語料庫中特征匹配成功的分詞所映射的屬性特征，作為文本語料信息中文本分詞的屬性特征。

3.根據權利要求1所述的方法，其特征在于，所述基于所述本分詞對應的屬性特征，選取適用于相應屬性特征的統計模型對文本語料信息中文本分詞進行頻率統計，得到文本分詞在文本信息中的權重值，具體包括：

基于所述文本分詞對應的屬性特征，判斷所述文本分詞的屬性特征是否涉及對象特征；

如果是，則利用融入有對象特征的統計模型對文本信息中涉及對象特征的文本分詞進行頻率統計，得到涉及對象特征的文本分詞在文本信息中的權重值；

如果否，則利用未融入有對象特征的統計模型對文本語料信息中未涉及對象特征的文本分詞進行頻率統計，得到未涉及對象特征的文本分詞在文本信息中的權重值。

4.根據權利要求3所述的方法，其特征在于，所述利用融入有對象特征的統計模型對文本信息中涉及對象特征的文本分詞進行頻率統計，得到涉及對象特征的文本分詞在文本信息中的權重值，具體包括：

利用融入有對象特征的統計模型，確定涉及對象特征的文本分詞在文本語料庫中文本信息所涉及的統計參數；

根據所述涉及對象特征的文本分詞在文本語料中文本信息對應的統計參數，計算包含對象信息的分詞在文本信息中的權重值。

5.根據權利要求4所述的方法，其特征在于，所述利用融入有對象特征的統計模型，確定涉及對象特征的文本分詞在文本語料庫中文本信息所涉及的統計參數，具體包括：

利用融入有對象特征的統計模型，分別查詢所述涉及對象特征的文本分詞和未涉及對象特征的文本分詞在文本信息出現的頻率參數、文本語料庫中文本信息所形成文本分詞的數量參數；

根據所述涉及對象特征的文本分詞和未涉及對象特征的文本分詞在文本信息出現的頻率參數、文本語料庫中文本信息所形成文本分詞的數量參數，確定涉及對象特征的文本分詞在文本語料庫中文本信息所涉及的統計參數。

6.根據權利要求4所述的方法，其特征在于，所述根據所述涉及對象特征的文本分詞在文本語料中文本信息對應的統計參數，計算包含對象信息的分詞在文本信息中的權重值，具體包括：

對所述涉及對象特征的文本分詞在文本語料中文本信息對應的統計參數進行運算，形成涉及對象特征的文本分詞對應的統計中間量；

通過匯總所述涉及對象特征的文本分詞對應的統計中間量，計算包含對象信息的分詞在文本信息中的權重值。

7.根據權利要求3所述的方法，其特征在于，所述利用未融入有對象特征的統計模型對文本語料信息中未涉及對象特征的文本分詞進行頻率統計，得到未涉及對象特征的文本分詞在文本語料信息中的權重值，具體包括：

利用未融入有對象特征的統計模型，確定未涉及對象特征的文本分詞在文本語料庫中文本信息所涉及的統計參數；

根據所述未涉及對象特征的文本分詞在文本語料庫中文本信息所涉及的統計參數，計算未包含對象信息的分詞在文本語料信息中的權重值。