[發(fā)明專利]文本分類方法、裝置、計(jì)算機(jī)設(shè)備和介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011389826.3
• 申請(qǐng)日: 2020-12-01
• 公開(kāi)（公告）號(hào): CN112445914A
• 公開(kāi)（公告）日: 2021-03-05
• 發(fā)明（設(shè)計(jì)）人: 趙婧;王健宗;程寧
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/335;G06N3/04;G06N3/08
• 代理公司: 深圳市力道知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44507
• 代理人: 張傳義

本申請(qǐng)涉及人工智能領(lǐng)域，通過(guò)對(duì)待分類文本進(jìn)行項(xiàng)集挖掘，得到包含多個(gè)強(qiáng)關(guān)聯(lián)詞的高效用項(xiàng)集，可以根據(jù)高效用項(xiàng)集的詞向量矩陣進(jìn)行分類預(yù)測(cè)，提高了文本分類的準(zhǔn)確性。尤其涉及一種文本分類方法、裝置、計(jì)算機(jī)設(shè)備和介質(zhì)，該文本分類方法包括：獲取待分類文本，對(duì)所述待分類文本進(jìn)行項(xiàng)集挖掘，得到所述待分類文本對(duì)應(yīng)的高效用項(xiàng)集，其中，所述高效用項(xiàng)集包括至少兩個(gè)詞組；對(duì)所述高效用項(xiàng)集中的每個(gè)詞組進(jìn)行向量化，得到所述待分類文本對(duì)應(yīng)的詞向量矩陣；將所述詞向量矩陣輸入文本分類模型中進(jìn)行分類預(yù)測(cè)，得到所述待分類文本對(duì)應(yīng)的文本類別。此外，本申請(qǐng)還涉及區(qū)塊鏈技術(shù)，待分類文本可存儲(chǔ)于區(qū)塊鏈中。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能領(lǐng)域，尤其涉及一種文本分類方法、裝置、計(jì)算機(jī)設(shè)備和介質(zhì)。

背景技術(shù)

隨著互聯(lián)網(wǎng)的高速發(fā)展和大數(shù)據(jù)時(shí)代的到來(lái)，文本分類成為當(dāng)前自然語(yǔ)言處理領(lǐng)域的一個(gè)熱點(diǎn)研究問(wèn)題。

現(xiàn)有的文本分類方法一般通過(guò)深度學(xué)習(xí)算法進(jìn)行文本類別的預(yù)測(cè)。深度學(xué)習(xí)算法在對(duì)文本類別的預(yù)測(cè)過(guò)程中非常依賴于所選擇的文本特征，通過(guò)將文本轉(zhuǎn)化為詞向量，使用詞向量確定各文本特征之間的距離關(guān)系。然而，深度學(xué)習(xí)算法無(wú)法消除同義詞對(duì)文本分類的干擾，降低了文本分類的準(zhǔn)確性。

因此如何提高文本分類的準(zhǔn)確性成為亟需解決的問(wèn)題。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环N文本分類方法、裝置、計(jì)算機(jī)設(shè)備和介質(zhì)，通過(guò)對(duì)待分類文本進(jìn)行項(xiàng)集挖掘，得到包含多個(gè)強(qiáng)關(guān)聯(lián)詞的高效用項(xiàng)集，可以根據(jù)高效用項(xiàng)集的詞向量矩陣進(jìn)行分類預(yù)測(cè)，提高了文本分類的準(zhǔn)確性。

第一方面，本申請(qǐng)?zhí)峁┝艘环N文本分類方法，所述方法包括：

獲取待分類文本，對(duì)所述待分類文本進(jìn)行項(xiàng)集挖掘，得到所述待分類文本對(duì)應(yīng)的高效用項(xiàng)集，其中，所述高效用項(xiàng)集包括至少兩個(gè)詞組；

對(duì)所述高效用項(xiàng)集中的每個(gè)詞組進(jìn)行向量化，得到所述待分類文本對(duì)應(yīng)的詞向量矩陣；

將所述詞向量矩陣輸入文本分類模型中進(jìn)行分類預(yù)測(cè)，得到所述待分類文本對(duì)應(yīng)的文本類別。

第二方面，本申請(qǐng)還提供了一種文本分類裝置，所述裝置包括：

項(xiàng)集挖掘模塊，用于獲取待分類文本，對(duì)所述待分類文本進(jìn)行項(xiàng)集挖掘，得到所述待分類文本對(duì)應(yīng)的高效用項(xiàng)集，其中，所述高效用項(xiàng)集包括至少兩個(gè)詞組；

向量化模塊，用于對(duì)所述高效用項(xiàng)集中的每個(gè)詞組進(jìn)行向量化，得到所述待分類文本對(duì)應(yīng)的詞向量矩陣；

分類預(yù)測(cè)模塊，用于將所述詞向量矩陣輸入文本分類模型中進(jìn)行分類預(yù)測(cè)，得到所述待分類文本對(duì)應(yīng)的文本類別。

第三方面，本申請(qǐng)還提供了一種計(jì)算機(jī)設(shè)備，所述計(jì)算機(jī)設(shè)備包括存儲(chǔ)器和處理器；

所述存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)程序；

所述處理器，用于執(zhí)行所述計(jì)算機(jī)程序并在執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上述的文本分類方法。

第四方面，本申請(qǐng)還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)使所述處理器實(shí)現(xiàn)如上述的文本分類方法。

本申請(qǐng)公開(kāi)了一種文本分類方法、裝置、計(jì)算機(jī)設(shè)備和介質(zhì)，通過(guò)對(duì)待分類文本進(jìn)行項(xiàng)集挖掘，可以得到待分類文本對(duì)應(yīng)的包含多個(gè)強(qiáng)關(guān)聯(lián)詞的高效用項(xiàng)集，后續(xù)可以對(duì)包含多個(gè)強(qiáng)關(guān)聯(lián)詞的高效用項(xiàng)集進(jìn)行文本分類，解決了同義詞對(duì)文本分類的干擾問(wèn)題；通過(guò)對(duì)高效用項(xiàng)集中的每個(gè)詞組進(jìn)行向量化，可以得到待分類文本對(duì)應(yīng)的詞向量矩陣；通過(guò)將詞向量矩陣輸入文本分類模型中進(jìn)行分類預(yù)測(cè)，提高了文本類別的預(yù)測(cè)準(zhǔn)確性。

附圖說(shuō)明