[發明專利]新聞文本的分類方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202011225944.0
• 申請日: 2020-11-05
• 公開（公告）號: CN112347254A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 王浩
• 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;G06F16/335;G06F16/36
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;曹勇

本申請涉及數據處理領域，提供新聞文本的分類方法、裝置、計算機設備和存儲介質，方法包括：獲取新聞文本的所有評論信息；獲取指定評論信息對應的讀者信息；提取讀者信息對應的指定讀者的歷史閱讀數據；獲取指定讀者對于指定分類類別的偏好分數；計算指定評論信息相對指定分類類別的匹配打分；計算將新聞文本分類為指定分類類別的第一評分分數；獲取評論信息對應的所有讀者將新聞文本分類為指定分類類別的第二評分分數；計算第二評分分數的均值，得到分類分數；獲取將新聞文本分類為各分類類別的指定分類分數；篩選出數值最大的目標分類分數，將目標分類分數對應的目標分類類別作為新聞文本的目標分類結果。本申請實現了對于新聞文本的準確分類。

技術領域

本申請涉及數據處理技術領域，具體涉及一種新聞文本的分類方法、裝置、計算機設備和存儲介質。

背景技術

文本自動分類技術目前是人工智能領域、自然語言處理方向中一項常見任務，被廣泛應用于文本審核、廣告過濾、垃圾郵件過濾、新聞分類等任務中。對于中文文本分類技術而言，常用做法是將文本進行清洗、分詞等預處理，然后采用多種方式對文本進行編碼和特征提取，并利用一系列機器學習算法來對文本進行分類。

現有對于新聞文本的分類方法通常是使用基于新聞正文來進行新聞文本分類的方法，然而，這種分類方法在實際的應用過程中存在著以下問題：新聞文本分類的訓練文本依賴大量標注良好的高質量文本，而人工標注是該環節中非常費時費力的一環，需要訓練良好的標注人員按照統一標準對于新聞的正文進行大量文本標注。由于人工標注的工作需要消耗大量的人力物力，進而導致新聞文本的分類成本較高，且新聞文本的分類效率較低。

發明內容

本申請的主要目的為提供一種新聞文本的分類方法、裝置、計算機設備和存儲介質，旨在解決現有的基于新聞正文來進行新聞文本分類的方法存在分類成本較高且分類效率較低的技術問題。

本申請提出一種新聞文本的分類方法，所述方法包括步驟：

獲取與待分類的新聞文本對應的所有評論信息；

根據指定評論信息，獲取與所述指定評論信息對應的讀者信息，其中，所述指定評論信息為所有所述評論信息中的任意一條信息；

根據所述讀者信息，提取與所述讀者信息對應的指定讀者的歷史閱讀數據；

根據所述歷史閱讀數據，獲取所述指定讀者對于指定分類類別的偏好分數，其中，所述指定分類類別為與新聞文本對應的所有分類類別中的任意一種類別；

根據所述指定分類類別，按照預設規則計算所述指定評論信息相對于所述指定分類類別的匹配打分；

根據所述偏好分數與所述匹配打分，調用預設的計算公式計算出，與所述指定讀者對應的將所述待分類的新聞文本分類為所述指定分類類別的第一評分分數；

分別獲取與所有所述評論信息對應的所有讀者將所述待分類的新聞文本分類為所述指定分類類別的第二評分分數；

計算所有所述第二評分分數的平均值，得到將所述待分類的新聞文本分類為所述指定分類類別的分類分數；

分別獲取將所述待分類的新聞文本分類為每一種分類類別的指定分類分數；

從所有所述指定分類分數中篩選出數值最大的目標分類分數，并將與所述目標分類分數對應的目標分類類別作為所述待分類的新聞文本的目標分類結果。

可選地，所述根據所述歷史閱讀數據，獲取所述指定讀者對于指定分類類別的偏好分數，其中，所述指定分類類別為與新聞文本對應的所有分類類別中的任意一種類別的步驟，包括：

根據所述歷史閱讀數據，獲取所述指定讀者的閱讀行為信息；