[發明專利]一種文本分類方法、裝置、電子設備及可讀存儲介質

有效

• 申請號: 202010636759.4
• 申請日: 2020-07-03
• 公開（公告）號: CN111611394B
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 徐睿;唐球;關健;楊嘉佳;張雷;劉金;薛繼東;張尼
• 申請（專利權）人: 中國電子信息產業集團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: 北京超成律師事務所 11646
• 代理人: 劉靜

本申請提供了一種文本分類方法、裝置、電子設備及可讀存儲介質，其中，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，以及待分類文本對應的關鍵詞特征；基于文本段中每個字詞與關鍵詞特征的相似度，確定文本段對應的待擴展文本段；將待擴展文本段中的預設詞性的字詞進行同義詞替換，得到文本段對應的擴展文本段；基于文本段以及擴展文本段，對待分類文本進行分類。這樣，通過相似度確定待擴展文本段，并對待擴展文本段中預設詞性的字詞進行同義詞替換，可以在不改變待分類文本句式結構的情況下，豐富待分類文本的關鍵詞信息，使得在文本分類過程中，能夠充分捕獲待分類文本的文本特征，提高文本分類結果的準確率。

技術領域

本申請涉及文本挖掘技術領域，尤其是涉及一種文本分類方法、裝置、電子設備及可讀存儲介質。

背景技術

文本分類，即是根據文本的特征將其分到預先設定的類別中，類別可以是兩類，也可以是多于兩類的更多類別，例如，文本可以根據內容分為“政治”、“經濟”、“文化”等不同類別；在做情感分析時，可以根據文本的特點分為“積極情感文本”和“消極情感文本”。

現階段，文本分類方法大多是建立在具有大量的標簽數據下的有監督學習，即將文本輸入到訓練好的分類器中，得到文本的類別標簽。其中，分類器需要基于大量的樣本，且各類別的樣本數量相當的情況下進行模型訓練，但是實際應用中，由于文本數據實例有限，數據樣本少，使得分類器很難得到有效訓練，導致文本分類結果的準確率較低。

發明內容

有鑒于此，本申請的目的在于提供一種文本分類方法、裝置、電子設備及可讀存儲介質，通過相似度確定待擴展文本段，并對待擴展文本段中預設詞性的字詞進行同義詞替換，以在不改變待分類文本句式結構的情況下，豐富待分類文本的關鍵詞信息，使得在文本分類過程中，能夠充分捕獲待分類文本的文本特征，提高文本分類結果的準確率。

本申請主要包括以下幾個方面：

第一方面，本申請實施例提供了一種文本分類方法，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的關鍵詞特征；

基于所述文本段中每個字詞與所述關鍵詞特征的相似度，確定所述文本段對應的待擴展文本段；

將所述待擴展文本段中的預設詞性的字詞進行同義詞替換，得到所述文本段對應的擴展文本段；

基于所述文本段以及所述擴展文本段，對所述待分類文本進行分類。

在一種可能的實施方式中，根據以下步驟確定所述待分類文本對應的關鍵詞特征：

獲取所述待分類文本對應的預設類別標簽；

基于所述預設類別標簽，確定所述待分類文本對應的關鍵詞特征。

在一種可能的實施方式中，所述基于所述文本段中每個字詞與所述關鍵詞特征的相似度，確定所述文本段對應的待擴展文本段，包括：

獲取所述文本段中每個字詞與所述關鍵詞特征的相似度；

將多個相似度中的目標相似度對應的目標字詞，以及在所述文本段中與所述目標字詞位置相鄰的預設數量的字詞，確定為所述文本段對應的待擴展文本段，其中，所述目標相似度大于多個相似度中除所述目標相似度之外的其他相似度。

在一種可能的實施方式中，若所述目標字詞在所述文本段中位置相鄰字詞的數量少于預設數量，則將所述文本段確定為待擴展文本段。

在一種可能的實施方式中，所述基于所述文本段以及所述擴展文本段，對所述待分類文本進行分類，包括：

獲取所述文本段的第一特征和所述擴展文本段的第二特征；

基于所述第一特征、所述第二特征和預設的特征權重，確定所述文本段對應的文本段特征；