[發明專利]一種語義的分類方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010445604.2
• 申請日: 2020-05-22
• 公開（公告）號: CN111858848A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 張發恩;魏暢毅
• 申請（專利權）人: 深圳創新奇智科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/211;G06F40/289;G06F40/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 蔣姍

本申請提供一種語義的分類方法、裝置、電子設備及存儲介質。通過將文本分別輸入到預設的多個語義分類器中處理，獲得每個語義分類器輸出的文本中句子的語義類別，再通過將這多個語義類別綜合，則可以降低不準確的分類對結果造成的影響，以提高分類的準確性。

技術領域

本申請涉及計算機技術領域，具體而言，涉及一種語義的分類方法、 裝置、電子設備及存儲介質。

背景技術

隨著互聯網技術的迅猛發展，網絡中的信息呈現爆炸式增長的態勢， 而這些信息的主要體現形式就是文本，如何對海量的文本做規范化的管理 也變得愈發重要。

對文本中的句子做有效的分類處理顯然是對文本做規范化管理的重要 一步。當前的分類方法通常是采用模型對文本中的句子進行分類，比如采 用CNN模型對文本中的句子進行分類，亦或者采用LSTM模型對文本中的 句子進行分類。但隨著應用場景的不斷擴展，對分類準確性的要求也越來 越高，目前的準確性已逐漸無法滿足實際需求。

發明內容

本申請實施例的目的在于提供一種語義的分類方法、裝置、電子設備 及存儲介質，用以實現更準確的對文本進行分類。

第一方面，本申請實施例提供了一種語義的分類方法，所述方法包括：

獲得待處理的文本；將所述文本分別輸入到預設的多個語義分類器中 處理，獲得每個所述語義分類器輸出的所述文本中句子的語義類別；綜合 多個所述語義類別，以確定出所述句子最終的語義類別。

在本申請實施例中，通過將文本分別輸入到預設的多個語義分類器中 處理，獲得每個語義分類器輸出的文本中句子的語義類別，再通過將這多 個語義類別綜合，則可以降低不準確的分類對結果造成的影響，以提高分 類的準確性。

結合第一方面，在第一種可能的實現方式中，所述多個語義分類器包 括：卷積式分類器和快速分類器，將所述文本分別輸入到預設的多個語義 分類器中處理，獲得每個所述語義分類器輸出的所述文本中句子的語義類 別，包括：

將所述文本輸入到所述卷積式分類器中處理，獲得所述卷積式分類器 輸出的所述句子的語義類別；以及，將所述文本輸入到所述快速分類器處 理，獲得所述快速分類器輸出的所述句子的語義類別。

在本申請實施例中，卷積式分類器和快速分類器是兩種完全不同的模 型，通過將文本分別輸入到兩個不同的模型中處理，可進一步提高分類的 準確性。

結合第一方面的第一種可能的實現方式，在第二種可能的實現方式中， 將所述文本輸入到所述卷積式分類器中處理，獲得所述卷積式分類器輸出 的所述句子的語義類別，包括：

通過所述卷積式分類器中的Bert模型處理所述文本，獲得所述文本中 每個詞匯的向量；通過所述卷積式分類器中的CNN模型處理所述向量，獲 得所述句子的語義類別。

在本申請實施例中，由于CNN模型的特點是對向量進行處理，通過 Bert模型將文本中的每個詞匯轉換成向量，使得CNN模型通過處理向量來 進行分類，以實現更準確的分類。

結合第一方面的第二種可能的實現方式，在第三種可能的實現方式中， 通過所述卷積式分類器中的CNN模型處理所述向量，獲得所述句子的語義 類別，包括：

將組成所述句子的所有詞匯的向量按預設的矩陣格式疊加，獲得向量 矩陣；通過所述CNN模型處理所述向量矩陣，獲得所述句子的語義類別。

在本申請實施例中，由于CNN模型的卷積特點是對矩陣進行進行卷積， 因此，將所有詞匯的向量按預設的矩陣格式疊加成向量矩陣，能夠更便于 CNN模型進行卷積，以獲得更準確的分類結果。

結合第一方面的第二種可能的實現方式，在第四種可能的實現方式中， 在將所述文本輸入到所述卷積式分類器中處理，獲得所述卷積式分類器輸 出的所述句子的語義類別之前，所述方法還包括：