[發(fā)明專利]文本分類方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110984069.2
• 申請(qǐng)日: 2021-08-25
• 公開（公告）號(hào): CN113656587B
• 公開（公告）日: 2023-08-04
• 發(fā)明（設(shè)計(jì)）人: 王雅晴;竇德景
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/28
• 代理公司: 北京市漢坤律師事務(wù)所 11602
• 代理人: 姜浩然;吳麗麗

1.一種文本分類方法，包括：

獲取與所述文本相關(guān)聯(lián)的實(shí)體類別集合和詞性標(biāo)簽集合；

構(gòu)建針對(duì)所述實(shí)體類別集合的第一同構(gòu)圖和針對(duì)所述詞性標(biāo)簽集合的第二同構(gòu)圖，其中，所述第一同構(gòu)圖的結(jié)點(diǎn)對(duì)應(yīng)于所述實(shí)體類別集合中的實(shí)體類別，并且所述第二同構(gòu)圖的結(jié)點(diǎn)對(duì)應(yīng)于所述詞性標(biāo)簽集合中的詞性標(biāo)簽；

基于所述第一同構(gòu)圖和所述第二同構(gòu)圖，通過圖神經(jīng)網(wǎng)絡(luò)獲取所述文本的第一文本特征和第二文本特征，其中，所述圖神經(jīng)網(wǎng)絡(luò)包括彼此獨(dú)立的第一子圖神經(jīng)網(wǎng)絡(luò)和第二子圖神經(jīng)網(wǎng)絡(luò)，并且所述基于所述第一同構(gòu)圖和所述第二同構(gòu)圖，通過圖神經(jīng)網(wǎng)絡(luò)獲取所述文本的第一文本特征和第二文本特征包括：

獲取用于表征所述第一同構(gòu)圖的第一特征信息和用于表征所述第二同構(gòu)圖的第二特征信息，其中，所述第一特征信息和所述第二特征信息分別包括與相應(yīng)的同構(gòu)圖相關(guān)聯(lián)的鄰接矩陣以及結(jié)點(diǎn)的特征向量；以及

分別將所述第一特征信息和所述第二特征信息輸入至所述第一子圖神經(jīng)網(wǎng)絡(luò)和所述第二子圖神經(jīng)網(wǎng)絡(luò)以獲取所述第一文本特征和所述第二文本特征；以及

基于所述第一文本特征和所述第二文本特征的融合特征將所述文本分類，其中，所述融合特征是通過執(zhí)行加法計(jì)算、加權(quán)平均計(jì)算或特征拼接而得到的。

2.根據(jù)權(quán)利要求1所述的方法，還包括：基于構(gòu)成所述文本的多個(gè)詞獲取所述文本的第三文本特征，其中，所述融合特征進(jìn)一步包括所述第三文本特征。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述圖神經(jīng)網(wǎng)絡(luò)包括用于獲取所述第三文本特征的第三子圖神經(jīng)網(wǎng)絡(luò)，并且其中，所述基于構(gòu)成所述文本的多個(gè)詞獲取所述文本的第三文本特征包括：

獲取包括所述多個(gè)詞的詞集合；

構(gòu)建針對(duì)所述詞集合的第三同構(gòu)圖，其中，所述第三同構(gòu)圖的結(jié)點(diǎn)對(duì)應(yīng)于所述詞集合中的所述詞；以及

基于與所述第三同構(gòu)圖相關(guān)聯(lián)的鄰接矩陣以及結(jié)點(diǎn)的特征向量，通過所述第三子圖神經(jīng)網(wǎng)絡(luò)獲取所述第三文本特征。

4.根據(jù)權(quán)利要求2所述的方法，其中，所述基于構(gòu)成所述文本的多個(gè)詞獲取所述文本的第三文本特征包括：

基于所述文本的所述多個(gè)詞，通過預(yù)訓(xùn)練的特征提取模型獲取所述第三文本特征。

5.一種文本分類裝置，包括：

第一獲取單元，被配置為獲取與所述文本相關(guān)聯(lián)的實(shí)體類別集合和詞性標(biāo)簽集合；

構(gòu)建單元，被配置為構(gòu)建針對(duì)所述實(shí)體類別集合的第一同構(gòu)圖和針對(duì)所述詞性標(biāo)簽集合的第二同構(gòu)圖，其中，所述第一同構(gòu)圖的結(jié)點(diǎn)對(duì)應(yīng)于所述實(shí)體類別集合中的實(shí)體類別，并且所述第二同構(gòu)圖的結(jié)點(diǎn)對(duì)應(yīng)于所述詞性標(biāo)簽集合中的詞性標(biāo)簽；

第二獲取單元，被配置為基于所述第一同構(gòu)圖和所述第二同構(gòu)圖，通過圖神經(jīng)網(wǎng)絡(luò)獲取所述文本的第一文本特征和第二文本特征，其中，所述圖神經(jīng)網(wǎng)絡(luò)包括彼此獨(dú)立的的第一子圖神經(jīng)網(wǎng)絡(luò)和第二子圖神經(jīng)網(wǎng)絡(luò)，并且所述第二獲取單元包括：

第一子單元，被配置為獲取用于表征所述第一同構(gòu)圖的第一特征信息和用于表征所述第二同構(gòu)圖的第二特征信息，其中，所述第一特征信息和所述第二特征信息分別包括與相應(yīng)的同構(gòu)圖相關(guān)聯(lián)的鄰接矩陣以及結(jié)點(diǎn)的特征向量；以及

第二子單元，被配置為分別將所述第一特征信息和所述第二特征信息輸入至所述第一子圖神經(jīng)網(wǎng)絡(luò)和所述子第二子圖神經(jīng)網(wǎng)絡(luò)以獲取所述第一文本特征和所述第二文本特征；以及

分類單元，被配置為基于所述第一文本特征和所述第二文本特征的融合特征將所述文本分類，其中，所述融合特征是通過執(zhí)行加法計(jì)算、加權(quán)平均計(jì)算或特征拼接而得到的。

6.根據(jù)權(quán)利要求5所述的裝置，還包括：第三獲取單元，被配置為基于構(gòu)成所述文本的多個(gè)詞獲取所述文本的第三文本特征，其中，所述融合特征進(jìn)一步包括所述第三文本特征。