[發明專利]文本數據分類模型的訓練方法、分類方法、裝置和設備

在審

• 申請號: 202011473541.8
• 申請日: 2020-12-15
• 公開（公告）號: CN112417158A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 孫雅琳;桑海巖;李苗苗
• 申請（專利權）人: 中國聯合網絡通信集團有限公司;聯通大數據有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/335;G06F40/284;G06F40/289
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;劉芳

1.一種文本數據分類模型的訓練方法，其特征在于，包括：

獲取文本樣本數據；

對所述文本樣本數據進行分詞處理，得到所述文本樣本數據對應的分詞結果；

將所述文本樣本數據對應的分詞結果與預設關鍵詞庫中的關鍵詞進行匹配，并根據匹配結果確定所述文本樣本數據的標簽，所述標簽用于表征所述文本樣本數據對應的類別，所述關鍵詞庫包括與至少一個類別相關的至少一個關鍵詞；

根據所述文本樣本數據及所述文本樣本數據對應的標簽，對初始文本分類模型進行訓練，得到文本數據分類模型，所述文本數據分類模型用于對目標文本數據進行分類。

2.根據權利要求1所述的方法，其特征在于，所述將所述文本樣本數據對應的分詞結果與預設關鍵詞庫中的關鍵詞進行匹配，并根據匹配結果確定所述文本樣本數據的標簽，包括：

若所述文本樣本數據對應的分詞結果僅與預設關鍵詞庫中的一個類別相關的關鍵詞匹配成功，則將所述類別確定為所述文本樣本數據的標簽。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

若所述文本樣本數據對應的分詞結果與預設關鍵詞庫中的任一關鍵詞均匹配失敗，則將所述文本樣本數據的標簽確定為未命中。

4.根據權利要求1-3任一所述的方法，其特征在于，所述根據所述文本樣本數據及所述文本樣本數據對應的標簽，對初始文本分類模型進行訓練，包括：

將所述文本樣本數據和所述文本樣本數據的標簽輸入至所述初始文本分類模型，得到輸出結果；

接收第一操作指令，所述第一操作指令用于指示重新確定所述文本樣本數據的標簽，所述第一操作指令為在所述輸出結果與所述文本樣本數據的標簽不一致時觸發的；

根據所述第一操作指令，將所述輸出結果確定為所述文本樣本數據的新標簽，并再次將所述文本樣本數據和所述文本樣本數據的新標簽輸入至所述初始文本分類模型中，直至輸出結果與所述文本樣本數據的新標簽相同。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

在所述輸出結果與所述文本樣本數據的標簽不相同時，將所述輸出結果添加到所述預設關鍵詞庫中。

6.一種文本數據分類方法，其特征在于，包括：

獲取目標文本數據；

對所述目標文本數據進行分詞處理，得到所述目標文本數據對應的分詞結果；

將所述目標文本數據對應的分詞結果輸入如權利要求1至5中任一項所述的文本數據分類模型中，得到分類結果。

7.根據權利要求6所述的方法，其特征在于，所述獲取目標文本數據，包括：

獲取音頻數據；

對所述音頻數據進行轉換，得到所述目標文本數據。

8.一種文本數據分類模型的訓練裝置，其特征在于，包括：

獲取模塊，用于獲取文本樣本數據；

處理模塊，用于對所述文本樣本數據進行分詞處理，得到所述文本樣本數據對應的分詞結果；

確定模塊，用于將所述文本樣本數據對應的分詞結果與預設關鍵詞庫中的關鍵詞進行匹配，并根據匹配結果確定所述文本樣本數據的標簽，所述標簽用于表征所述文本樣本數據對應的類別，所述關鍵詞庫包括與至少一個類別相關的至少一個關鍵詞；

訓練模塊，用于根據所述文本樣本數據及所述文本樣本數據對應的標簽，對初始文本分類模型進行訓練，得到文本數據分類模型，所述文本數據分類模型用于對目標文本數據進行分類。

9.一種電子設備，其特征在于，包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如權利要求1至7中任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質中存儲有計算機執行指令，所述計算機執行指令被處理器執行時用于實現如權利要求1至7中任一項所述的方法。