[發(fā)明專利]一種文本分類方法、系統(tǒng)、計算機設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011425848.0
• 申請日: 2020-12-08
• 公開（公告）號: CN112529071B
• 公開（公告）日: 2023-10-17
• 發(fā)明（設(shè)計）人: 劉勛;宗建華;夏國清;葉和忠;劉強
• 申請（專利權(quán)）人: 廣州大學華軟軟件學院
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F18/241;G06N3/0464;G06N3/042;G06N3/048;G06N3/047;G06N3/08;G06F40/284;G06F40/216
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 郭浩輝;顏希文

1.一種文本分類方法，其特征在于，所述方法包括以下步驟：

建立高低階圖卷積神經(jīng)網(wǎng)絡(luò)模型；所述高低階圖卷積神經(jīng)網(wǎng)絡(luò)模型依次包括輸入層、高低階圖卷積層、信息融合層、一階圖卷積層、以及輸出層；

獲取采用所述高低階圖卷積神經(jīng)網(wǎng)絡(luò)模型進行文本分類的語料集；所述語料集包括多個樣本，每個樣本包含文檔和標題；

對所述語料集進行預處理，得到訓練集和測試集；

根據(jù)所述訓練集和測試集分別構(gòu)建訓練集文本圖網(wǎng)絡(luò)和測試集文本圖網(wǎng)絡(luò)；

將所述訓練集文本圖網(wǎng)絡(luò)輸入到高低階圖卷積神經(jīng)網(wǎng)絡(luò)模型，結(jié)合損失函數(shù)進行訓練，得到文本分類模型；

將所述測試集文本圖網(wǎng)絡(luò)輸入到所述文本分類模型中進行測試，得到分類結(jié)果。

2.如權(quán)利要求1所述的文本分類方法，其特征在于，所述高低階圖卷積神經(jīng)網(wǎng)絡(luò)模型的輸出為Z，則：

其中X是圖的輸入矩陣，w₁和w₂分別是輸入層到隱藏層之間的參數(shù)矩陣和隱藏層到輸出層之間的參數(shù)矩陣，是圖的含自連接的正則化鄰接矩陣，k是圖卷積的最高階數(shù)，ReLU(·)為非線性激活函數(shù)，NMPooling(·)為信息融合層，softmax(·)為多分類輸出函數(shù)。

3.如權(quán)利要求2所述的文本分類方法，其特征在于，所述高低階圖卷積層包括基于權(quán)重共享的一階圖卷積到k階圖卷積；所述高低階圖卷積層的階數(shù)k為二階及其以上階數(shù)中的一種、或者任意復數(shù)種階數(shù)的組合。

4.如權(quán)利要求2所述的文本分類方法，其特征在于，所述信息融合層采用最小值取反的信息融合池化，其實現(xiàn)步驟包括：

根據(jù)所述輸入矩陣X、參數(shù)矩陣w₁和正則化鄰接矩陣計算不同階圖卷積的最小值矩陣；

對所述最小值矩陣的每個元素值取反，得到池化后的圖特征矩陣。

5.如權(quán)利要求1所述的文本分類方法，其特征在于，所述對所述語料集進行預處理，得到訓練集和測試集的步驟包括：

對所述語料集中各樣本的標題和文檔進行去重、分詞，以及去除停止詞和特殊符號的預處理，得到語料集單詞，并將所述語料集單詞和文檔組成語料文本組；

將所述語料文本組按數(shù)量比例劃分為訓練集和測試集。

6.如權(quán)利要求1所述的文本分類方法，其特征在于，所述根據(jù)所述訓練集和測試集分別構(gòu)建訓練集文本圖網(wǎng)絡(luò)和測試集文本圖網(wǎng)絡(luò)的步驟包括：

根據(jù)所述訓練集和測試集分別建立特征矩陣為對應(yīng)維數(shù)單位矩陣的訓練集文本圖和測試集文本圖；

根據(jù)TF-IDF算法和PMI算法確定所述訓練集文本圖和測試集文本圖的鄰接矩陣。

7.如權(quán)利要求6所述的文本分類方法，其特征在于，所述根據(jù)TF-IDF算法和PMI算法確定所述訓練集文本圖和測試集文本圖的鄰接矩陣的步驟包括：

根據(jù)所述TF-IDF算法計算所述訓練集文本圖的鄰接矩陣中的文檔節(jié)點和單詞節(jié)點連接邊的權(quán)重，并根據(jù)所述PMI算法計算所述訓練集文本圖的鄰接矩陣中的單詞節(jié)點與單詞節(jié)點連接邊的權(quán)重；

以及根據(jù)所述TF-IDF算法計算所述測試集文本圖的鄰接矩陣中的文檔節(jié)點和單詞節(jié)點連接邊的權(quán)重，并根據(jù)所述PMI算法計算所述測試集文本圖的單詞節(jié)點與單詞節(jié)點連接邊的權(quán)重。