[發明專利]一種小樣本文本分類方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110343641.7
• 申請日: 2021-03-30
• 公開（公告）號: CN112989049A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 程良倫;王德培;張偉文;李睿濠;譚駿銘;蔡森源
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/211;G06N3/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種小樣本文本分類方法，其特征在于，所述方法包括以下步驟：

S1：獲取文本數據集，對文本數據集進行處理，獲得小樣本文本數據集；

S2：對小樣本文本數據集中的文本數據進行預處理；

S3：用向量形式表征預處理后文本數據中的單詞和句子；

S4：以句子為單元劃分句子節點，計算句子節點間的權重；

S5：遍歷所有句子節點，計算每個句子節點的累加權重，直到每個句子節點的累加權重都收斂；

S6：按照累加權重的數值從大到小對句子節點進行排序，提取前n位的句子節點對應的句向量作為文本摘要；

S7：對文本摘要的句向量中每個詞向量加權，獲得最終句向量；

S8：選定分類器，利用最終句向量對分類器進行訓練，利用文本數據集中的文本數據對分類器進行性能測試，實現分類。

2.根據權利要去1所述的小樣本文本分類方法，其特征在于，所述S1中，獲得小樣本文本數據集的具體方法為：

將文本數據集分為訓練集、測試集和驗證集；將訓練集、測試集和驗證集每個集合分為支撐集和查詢集，對支撐集中的每個類別抽取定量文本數據，組成小樣本文本數據集。

3.根據權利要去2所述的小樣本文本分類方法，其特征在于，所述S2中，對文本數據預處理的方法包括：文本分句、句子分詞和去除停用詞。

4.根據權利要去3所述的小樣本文本分類方法，其特征在于，所述S3中，利用Glove算法，生成預處理后文本數據中的單詞s的詞向量vector(s)；句向量表示為：v_i＝Avg(vector(s))，其中v_i表示第i個句子對應的句向量，其中Avg(·)表示求均值操作。

5.根據權利要去4所述的小樣本文本分類方法，其特征在于，所述S4中，計算句子節點間的權重w_ij的具體方法為：

構建有向有權圖G＝(V，E，W)，V表示句向量集合，E表示句子節點間的邊，W表示句子節點間的權重集合；V、E和W分別表示為：

V＝{v₁，v₂，...，v_i，v_n-1，v_n}

E＝{(v₁，v₂)，(v₁，v₃)，...，(v_i，v_j)，(v_n，v_n-2)，(v_n，v_n-1)}

W＝{w₁₂，w₁₃，...，w_ij，...，w_n(n-2)，w_n(n-1)}

則句子節點間的權重w_ij表示為：

w_ij＝cos(v_i，v_j)

其中，w_ij表示第i個句子對應的句向量和第j個句子對應的句向量量間的權重，1＜i＜n，1＜j＜n，n表示文本數據中句子的數量。

6.根據權利要去5所述的小樣本文本分類方法，其特征在于，所述S5中，計算各句子節點的累加權重的具體方法為：

其中，WS(v_i)表示第i個句子對應的句向量的累加權重，d表示阻尼系數，v_j表示第j個句子對應的句向量，IN(v_i)表示指向v_i的集合，v_k表示第k個句子對應的句向量，OUT(v_j)表示v_j指向的集合，w_ji表示第j個句子對應的句向量和第i個句子對應的句向量間的權重，w_jk表示第j個句子對應的句向量和第k個句子對應的句向量間的權重，WS(v_j)表示第j個句子對應的句向量的累加權重，1＜i＜n，1＜j＜n，n表示文本數據中句子的數量。