[發明專利]短文本分類方法、裝置、設備以及存儲介質

有效

• 申請號: 202110236672.2
• 申請日: 2021-03-03
• 公開（公告）號: CN112948584B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 王雅晴;王淞;竇德景
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/253;G06F40/30
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請公開了短文本分類方法、裝置、設備以及存儲介質，涉及自然語言處理領域。具體實現方案為：獲取目標短文本以及預設的語料庫；確定目標短文本以及語料庫中的至少一種類型的特征信息；基于各類型的特征信息，確定各類型的特征信息對應的第一嵌入向量；基于各第一嵌入向量，確定目標短文本的第二嵌入向量；根據第二嵌入向量對目標短文本進行分類。本實現方式能夠利用短文本中不同語義組成成分的信息來進行融合，從而能夠得到短文本的語義和語法信息，實現對短文本的分類。

技術領域

本申請涉及計算機技術領域，具體涉及自然語言處理領域，尤其涉及短文本分類方法、裝置、設備以及存儲介質。

背景技術

短文本分類(Short?Text?Classification)任務是指給定一段短文本，從給定的一個標簽集合中選取最適合描述這段文本內容的一個標簽。當今社會的互聯網媒體中充斥著各種不同類型的文本如微博、新聞等，這使得對這些短文本進行信息的提取變得十分關鍵。

由于短文本的每段文本里的詞數量非常少，傳統的時序模型在處理短文本時往往達不到較好的效果。同時，由于文本產生的速度遠遠大于人工對其進行分類的速度，在標簽十分有限的情況下對這些短文本進行分類也成為十分緊迫的需求。

發明內容

提供了一種短文本分類方法、裝置、設備以及存儲介質。

根據第一方面，提供了一種短文本分類方法，包括：獲取目標短文本以及預設的語料庫；確定目標短文本以及語料庫中的至少一種類型的特征信息；基于各類型的特征信息，確定各類型的特征信息對應的第一嵌入向量；基于各第一嵌入向量，確定目標短文本的第二嵌入向量；根據第二嵌入向量對目標短文本進行分類。

根據第二方面，提供了一種短文本分類裝置，包括：短文本獲取單元，被配置成獲取目標短文本以及預設的語料庫；特征信息確定單元，被配置成確定目標短文本以及語料庫中的至少一種類型的特征信息；第一向量確定單元，被配置成基于各類型的特征信息，確定各類型的特征信息對應的第一嵌入向量；第二向量確定單元，被配置成基于各第一嵌入向量，確定目標短文本的第二嵌入向量；短文本分類單元，被配置成根據第二嵌入向量對目標短文本進行分類。

根據第三方面，提供了一種用于執行短文本分類方法的電子設備，包括：至少一個處理器；以及與上述至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，上述指令被至少一個處理器執行，以使至少一個處理器能夠執行如第一方面所描述的方法。

根據第四方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，上述計算機指令用于使計算機執行如第一方面所描述的方法。

根據第五方面，一種計算機程序產品，包括計算機程序，上述計算機程序在被處理器執行時實現如第一方面所描述的方法。

根據本申請的技術，能夠利用短文本中不同語義組成成分的信息來進行融合，從而能夠得到短文本的語義和語法信息，實現對短文本的分類。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本申請的限定。其中：

圖1是本申請的一個實施例可以應用于其中的示例性系統架構圖；

圖2是根據本申請的短文本分類方法的一個實施例的流程圖；

圖3是根據本申請的短文本分類方法的一個應用場景的示意圖；

圖4是根據本申請的短文本分類方法的另一個實施例的流程圖；

圖5是根據本申請的短文本分類裝置的一個實施例的結構示意圖；