[發(fā)明專利]一種文本分類方法、裝置、電子設(shè)備及可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010636759.4
• 申請日: 2020-07-03
• 公開（公告）號: CN111611394B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計）人: 徐睿;唐球;關(guān)健;楊嘉佳;張雷;劉金;薛繼東;張尼
• 申請（專利權(quán)）人: 中國電子信息產(chǎn)業(yè)集團(tuán)有限公司第六研究所
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/247;G06F40/289;G06K9/62
• 代理公司: 北京超成律師事務(wù)所 11646
• 代理人: 劉靜

1.一種文本分類方法，其特征在于，所述文本分類方法包括：

獲取待分類文本的至少一個文本段，以及所述待分類文本對應(yīng)的關(guān)鍵詞特征；

基于所述文本段中每個字詞與所述關(guān)鍵詞特征的相似度，確定所述文本段對應(yīng)的待擴(kuò)展文本段；

將所述待擴(kuò)展文本段中的預(yù)設(shè)詞性的字詞進(jìn)行同義詞替換，得到所述文本段對應(yīng)的擴(kuò)展文本段；

基于所述文本段以及所述擴(kuò)展文本段，對所述待分類文本進(jìn)行分類；

所述基于所述文本段中每個字詞與所述關(guān)鍵詞特征的相似度，確定所述文本段對應(yīng)的待擴(kuò)展文本段，包括：

獲取所述文本段中每個字詞與所述關(guān)鍵詞特征的相似度；

將多個相似度中的目標(biāo)相似度對應(yīng)的目標(biāo)字詞，以及在所述文本段中與所述目標(biāo)字詞位置相鄰的預(yù)設(shè)數(shù)量的字詞，確定為所述文本段對應(yīng)的待擴(kuò)展文本段，其中，所述目標(biāo)相似度大于多個相似度中除所述目標(biāo)相似度之外的其他相似度；

所述基于所述文本段以及所述擴(kuò)展文本段，對所述待分類文本進(jìn)行分類，包括：

獲取所述文本段的第一特征和所述擴(kuò)展文本段的第二特征；

基于所述第一特征、所述第二特征和預(yù)設(shè)的特征權(quán)重，確定所述文本段對應(yīng)的文本段特征；

基于所述文本段特征，確定所述待分類文本的文本特征；

基于所述文本特征，對所述待分類文本進(jìn)行分類。

2.根據(jù)權(quán)利要求1所述的文本分類方法，其特征在于，根據(jù)以下步驟確定所述待分類文本對應(yīng)的關(guān)鍵詞特征：

獲取所述待分類文本對應(yīng)的預(yù)設(shè)類別標(biāo)簽；

基于所述預(yù)設(shè)類別標(biāo)簽，確定所述待分類文本對應(yīng)的關(guān)鍵詞特征。

3.根據(jù)權(quán)利要求1所述的文本分類方法，其特征在于，若所述目標(biāo)字詞在所述文本段中位置相鄰字詞的數(shù)量少于預(yù)設(shè)數(shù)量，則將所述文本段確定為待擴(kuò)展文本段。

4.根據(jù)權(quán)利要求1所述的文本分類方法，其特征在于，所述基于所述文本段特征，確定所述待分類文本的文本特征，包括：

將所述文本段中每個字詞與所述關(guān)鍵詞特征的相似度的平均值確定為所述文本段的權(quán)重；

基于每個文本段對應(yīng)的文本段特征和權(quán)重，確定所述待分類文本的文本特征。

5.一種文本分類裝置，其特征在于，所述文本分類裝置包括：

第一獲取模塊，用于獲取待分類文本的至少一個文本段，以及所述待分類文本對應(yīng)的關(guān)鍵詞特征；

確定模塊，用于基于所述文本段中每個字詞與所述關(guān)鍵詞特征的相似度，確定所述文本段對應(yīng)的待擴(kuò)展文本段；

第二獲取模塊，用于將所述待擴(kuò)展文本段中的預(yù)設(shè)詞性的字詞進(jìn)行同義詞替換，得到所述文本段對應(yīng)的擴(kuò)展文本段；

分類模塊，用于基于所述文本段以及所述擴(kuò)展文本段，對所述待分類文本進(jìn)行分類；

所述確定模塊包括：

相似度獲取單元，用于獲取所述文本段中每個字詞與所述關(guān)鍵詞特征的相似度；

確定單元，用于將多個相似度中的目標(biāo)相似度對應(yīng)的目標(biāo)字詞，以及在所述文本段中與所述目標(biāo)字詞位置相鄰的預(yù)設(shè)數(shù)量的字詞，確定為所述文本段對應(yīng)的待擴(kuò)展文本段，其中，所述目標(biāo)相似度大于多個相似度中除所述目標(biāo)相似度之外的其他相似度；

所述分類模塊包括：

獲取單元，用于獲取所述文本段的第一特征和所述擴(kuò)展文本段的第二特征；

文本段特征確定單元，用于基于所述第一特征、所述第二特征和預(yù)設(shè)的特征權(quán)重，確定所述文本段對應(yīng)的文本段特征；

文本特征確定單元，用于基于所述文本段特征，確定所述待分類文本的文本特征；

分類單元，用于基于所述文本特征，對所述待分類文本進(jìn)行分類。

6.一種電子設(shè)備，其特征在于，包括：處理器、存儲器和總線，所述存儲器存儲有所述處理器可執(zhí)行的機(jī)器可讀指令，當(dāng)電子設(shè)備運(yùn)行時，所述處理器與所述存儲器之間通過總線通信，所述機(jī)器可讀指令被所述處理器執(zhí)行時執(zhí)行如權(quán)利要求1至4中任一項(xiàng)所述的文本分類方法的步驟。

7.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器運(yùn)行時執(zhí)行如權(quán)利要求1至4中任一項(xiàng)所述的文本分類方法的步驟。