[發(fā)明專利]基于人工智能的分類方法、裝置、終端和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010546795.1
• 申請(qǐng)日: 2020-06-16
• 公開（公告）號(hào): CN111708888B
• 公開（公告）日: 2023-10-24
• 發(fā)明（設(shè)計(jì)）人: 劉志煌
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F40/284;G06F18/2411
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 熊永強(qiáng);杜維

1.一種基于人工智能的分類方法，其特征在于，所述方法包括：

獲取目標(biāo)文本數(shù)據(jù)，并對(duì)所述目標(biāo)文本數(shù)據(jù)進(jìn)行分詞處理，得到至少一個(gè)分詞詞組；

根據(jù)所述至少一個(gè)分詞詞組和類別特征詞庫(kù)檢測(cè)所述目標(biāo)文本數(shù)據(jù)所屬的分類類別，其中，所述類別特征詞庫(kù)是根據(jù)多個(gè)訓(xùn)練文本樣本集中各個(gè)訓(xùn)練詞組的頻率信息確定每個(gè)分類類別的類別特征詞，并基于每個(gè)分類類別的類別特征詞構(gòu)建的，每個(gè)訓(xùn)練文本樣本集中包括至少一個(gè)訓(xùn)練文本數(shù)據(jù)，并且不同的訓(xùn)練文本樣本集對(duì)應(yīng)不同的分類類別；

當(dāng)檢測(cè)到所述目標(biāo)文本數(shù)據(jù)所屬至少兩個(gè)分類類別時(shí)，確定所述至少一個(gè)分詞詞組中每個(gè)分詞詞組的權(quán)重，以及確定所述每個(gè)分詞詞組的向量；

基于所述每個(gè)分詞詞組的權(quán)重對(duì)所述每個(gè)分詞詞組的向量進(jìn)行處理，得到所述目標(biāo)文本數(shù)據(jù)的向量；

將所述目標(biāo)文本數(shù)據(jù)的向量輸入至分類器中，得到針對(duì)所述目標(biāo)文本數(shù)據(jù)的分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

獲取文本數(shù)據(jù)的分類類別；

構(gòu)建各個(gè)分類類別的訓(xùn)練文本樣本集，每個(gè)分類類別的訓(xùn)練文本樣本集中包括至少一個(gè)訓(xùn)練文本數(shù)據(jù)；

對(duì)所述各個(gè)分類類別的訓(xùn)練文本樣本集中的訓(xùn)練文本數(shù)據(jù)進(jìn)行分詞處理，得到至少一個(gè)訓(xùn)練詞組；

基于所述至少一個(gè)訓(xùn)練詞組中每個(gè)訓(xùn)練詞組的頻率信息確定每個(gè)訓(xùn)練詞組的特征權(quán)重，并基于所述每個(gè)訓(xùn)練詞組的特征權(quán)重構(gòu)建特征權(quán)重?cái)?shù)據(jù)庫(kù)，所述頻率信息包括詞頻和逆文檔頻率；

將所述每個(gè)訓(xùn)練文本數(shù)據(jù)中特征權(quán)重最大的訓(xùn)練詞組，確定為對(duì)應(yīng)訓(xùn)練文本數(shù)據(jù)的分類類別的類別特征詞，并基于類別特征詞構(gòu)建類別特征詞庫(kù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述構(gòu)建各個(gè)分類類別的訓(xùn)練文本樣本集之后，所述方法還包括：

基于預(yù)設(shè)詞序列挖掘算法挖掘各個(gè)分類類別的訓(xùn)練文本樣本集中每個(gè)訓(xùn)練文本數(shù)據(jù)中的頻繁詞序列，所述頻繁詞序列中包括至少一個(gè)訓(xùn)練詞組，頻繁詞序列在所述訓(xùn)練文本樣本集中的支持度大于支持度閾值；

基于每個(gè)頻繁詞序列的支持度確定每個(gè)頻繁詞序列的支持度權(quán)重，并將每個(gè)頻繁詞序列的支持度權(quán)重確定為每個(gè)頻繁詞序列中訓(xùn)練詞組的支持度權(quán)重；

基于所述每個(gè)頻繁詞序列中訓(xùn)練詞組的支持度權(quán)重構(gòu)建支持度權(quán)重?cái)?shù)據(jù)庫(kù)，所述支持度權(quán)重?cái)?shù)據(jù)庫(kù)存儲(chǔ)有每個(gè)頻繁詞序列中包括的訓(xùn)練詞組，以及每個(gè)頻繁詞序列中包括的訓(xùn)練詞組的支持度權(quán)重。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述確定所述至少一個(gè)分詞詞組中每個(gè)分詞詞組的權(quán)重，包括：

獲取與目標(biāo)分詞詞組相匹配的目標(biāo)訓(xùn)練詞組，所述目標(biāo)分詞詞組為所述至少一個(gè)分詞詞組中任意一個(gè)分詞詞組，所述目標(biāo)訓(xùn)練詞組為所述至少一個(gè)訓(xùn)練詞組中的任意一個(gè)訓(xùn)練詞組；

獲取所述目標(biāo)訓(xùn)練詞組的特征權(quán)重和支持度權(quán)重，所述目標(biāo)訓(xùn)練詞組的特征權(quán)重從構(gòu)建的特征權(quán)重?cái)?shù)據(jù)庫(kù)中獲取，所述目標(biāo)訓(xùn)練詞組的支持度權(quán)重從構(gòu)建的支持度權(quán)重?cái)?shù)據(jù)庫(kù)中獲取；

根據(jù)所述目標(biāo)訓(xùn)練詞組的特征權(quán)重和支持度權(quán)重確定所述目標(biāo)分詞詞組的權(quán)重。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述每個(gè)分詞詞組的權(quán)重對(duì)所述每個(gè)分詞詞組的向量進(jìn)行處理，得到所述目標(biāo)文本數(shù)據(jù)的向量，包括：

采用每個(gè)分詞詞組的權(quán)重對(duì)對(duì)應(yīng)分詞詞組的向量進(jìn)行加權(quán)處理，得到每個(gè)分詞詞組的加權(quán)向量；

對(duì)各個(gè)分詞詞組的加權(quán)向量進(jìn)行求和處理，得到所述目標(biāo)文本數(shù)據(jù)的向量。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

獲取訓(xùn)練文本樣本集，所述訓(xùn)練文本樣本集中每個(gè)訓(xùn)練文本數(shù)據(jù)標(biāo)記有分類類別；

確定所述訓(xùn)練文本樣本集中每個(gè)訓(xùn)練文本數(shù)據(jù)的向量；

采用所述每個(gè)訓(xùn)練文本數(shù)據(jù)的向量，對(duì)已構(gòu)建的初始分類器進(jìn)行訓(xùn)練，得到分類器。