[發明專利]基于幽默度的文本分類方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011144840.7
• 申請日: 2020-10-23
• 公開（公告）號: CN112214602A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 馬建
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/205
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及人工智能技術，可應用于數字醫療領域，揭露一種基于幽默度的文本分類方法，包括：利用替換詞對集替換第一原始文本訓練集中的部分詞語，得到第二原始文本訓練集；組合標準類別集及所述第一原始文本訓練集得到第一標準文本訓練集，及組合所述標準類別集及所述第二原始文本訓練集得到第二標準文本訓練集；利用所述第一標準文本訓練集、所述第二標準文本訓練集訓練文本分類模型；利用訓練完成的所述文本分類模型對待分類文本進行文本分類。此外，本發明還揭露一種基于幽默度的文本分類裝置、電子設備及存儲介質。本發明還涉及區塊鏈技術，第一原始文本訓練集等可以從區塊鏈中獲取。本發明可以解決訓練數據較為浪費，分類效果不好的問題。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種基于幽默度的文本分類方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

當下，數字醫療比較火熱，如何讓醫療行業最來越智能化成為當下的熱點，比如，像自然語言處理等技術，越來越多的應用于數字醫療領域中。

隨著深度學習的快速發展，自然語言處理領域不斷被延伸，如當下火熱的文本分類?，F有的文本分類方法層出不窮，如以樸素貝葉斯、支持向量機為代表的機器學習，或以卷積神經網絡、循環神經網絡為代表的深度學習等，但每種方法的核心點均是識別出文本內關鍵字，并根據關鍵字完成分類工作，如識別出具有幽默度的關鍵字，并根據幽默度類關鍵字實現文本分類。

目前基于幽默度的文本分類方法，雖然可達到分類目的，但由于在分類前的訓練階段時，所使用的訓練數據集內的訓練數據互相獨立，缺乏訓練數據的對比訓練，導致訓練數據較為浪費，分類效果有待加強的問題。

發明內容

本發明提供一種基于幽默度的文本分類方法、裝置、電子設備及計算機可讀存儲介質，其主要目的在于解決訓練數據較為浪費，分類效果不好的問題。

為實現上述目的，本發明提供的一種基于幽默度的文本分類方法，包括：

獲取第一原始文本訓練集、替換詞對集及原始類別集，利用所述替換詞對集替換所述第一原始文本訓練集內的原始文本，得到第二原始文本訓練集；

利用所述替換詞對集，對所述原始類別集進行聚類操作，得到標準類別集；

組合所述標準類別集及所述第一原始文本訓練集得到第一標準文本訓練集，及組合所述標準類別集及所述第二原始文本訓練集得到第二標準文本訓練集；

接收用戶對所述第一標準文本訓練集及所述第二標準文本訓練集的幽默度評級，得到幽默度級別集；

利用所述第一標準文本訓練集、所述第二標準文本訓練集及所述幽默度級別集，訓練預構建的文本分類模型；

接收待分類文本，利用訓練完成的所述文本分類模型對所述待分類文本進行類型評級，根據所述類型評級得到分類結果。

可選地，所述利用所述替換詞對集替換所述第一原始文本訓練集內的原始文本，得到第二原始文本訓練集，包括：

在所述第一原始文本訓練集內，查詢在所述替換詞對集中出現的詞語，得到待替換詞對集；

利用所述待替換詞對集，對所述第一原始文本訓練集中的詞語執行替換操作，得到所述第二原始文本訓練集。

可選地，所述利用所述替換詞對集，對所述原始類別集進行聚類操作，得到標準類別集，之前還包括：

利用預構建的替換模板，生成與所述待替換詞對集對應的替換日志集；

將所述替換日志集添加至所述第一原始文本訓練集及所述第二原始文本訓練集。

可選地，所述組合所述標準類別集及所述第一原始文本訓練集得到第一標準文本訓練集，及組合所述標準類別集及所述第二原始文本訓練集得到第二標準文本訓練集，包括：