[發明專利]一種基于字符標簽的文本分類方法及裝置

在審

• 申請號: 202211423213.6
• 申請日: 2022-11-15
• 公開（公告）號: CN115795032A
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 孟靖祥
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F18/241;G06F18/22
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 劉飛;黨曉林

本文涉及金融科技領域，尤其涉及一種基于字符標簽的文本分類方法及裝置。該方法包括獲取文本的字符序列及預定義的標簽序列；根據所述字符序列的向量表示、所述標簽序列的向量表示，確定所述字符序列中各字符的重要度，所述重要度為各字符對于所述標簽序列中所有標簽的重要度；將所述字符序列中的字符輸入至預先建立的文本分類模型中，輸出得到所述字符預測標簽；根據所述字符的重要度及所述字符預測標簽，確定文本預測標簽；根據所述文本預測標簽與所述預定義的標簽序列中各標簽的相似度，確定文本最終標簽。本方案對字符在預測標簽時進行了重要性區分，并構建了標簽和字符特征之間的關聯關系，準確進行信息推薦，幫助用戶及時合理地做出決策。

技術領域

本文涉及金融科技領域，尤其是一種基于字符標簽的文本分類方法及裝置。

背景技術

在信息化產業日益發展的今天，金融信息已成為人們高效獲取市場情報的主要途徑。然而隨著互聯網的快速發展，信息量呈爆炸式增長，通常情況下，單條信息通常包含多個標簽，如何準確地對信息進行分類，用以精確推薦和輔助決策，成為一個亟待解決的問題。

現有技術中常用的金融信息多標簽分類的辦法是將多標簽分類問題轉化為多個二分類問題(即，二元關聯方法)。該方法每次針對一個標簽類別開展，即每次判斷樣本是否屬于某個類別，分多次判斷之后進行整合得到結果，實際情況下多個二分類問題并不是相互獨立的，它們之間往往存在一定的聯系，但二元關聯方法忽略了標簽和文本特征之間的聯系及標簽之間的依賴關系，因此使用二元關聯法獨立地處理每個問題會導致分類不夠準確。

針對目前技術存在的忽略標簽與文本之間及標簽之間的聯系的問題，需要一種基于字符標簽的文本分類方法及裝置。

發明內容

為解決上述現有技術的問題，本文實施例提供了一種基于字符標簽的文本分類方法。

本文實施例提供了一種基于字符標簽的文本分類方法，包括：獲取文本的字符序列及預定義的標簽序列；根據所述字符序列的向量表示、所述標簽序列的向量表示，確定所述字符序列中各字符的重要度，所述重要度為各字符對于所述標簽序列中所有標簽的重要度；將所述字符序列中的字符輸入至預先建立的文本分類模型中，輸出得到所述字符預測標簽；根據所述字符的重要度及所述字符預測標簽，確定文本預測標簽；根據所述文本預測標簽與所述預定義的標簽序列中各標簽的相似度，確定文本最終標簽。

根據本文實施例的一個方面，所述確定所述字符序列中各字符的重要度包括：根據所述字符序列中的各字符與所述標簽序列中的所有標簽的相似度，確定各字符對于所有標簽的重要度，所述各字符對于所有標簽的重要度為絕對重要度。

根據本文實施例的一個方面，所述確定所述字符序列中各字符的重要度還包括：根據所述絕對重要度，確定文本的字符序列中所有字符的絕對重要度之和；根據所述絕對重要度及所有字符的絕對重要度之和的比值，確定各字符對于所有標簽的重要度。

根據本文實施例的一個方面，所述文本分類模型的構建過程方法包括：獲取預先構建的標簽模型中的模型參數；利用非線性激活函數及所述標簽預測模型中模型的參數，確定文本分類模型。

根據本文實施例的一個方面，所述標簽預測模型的訓練過程包括：獲取訓練樣本數據，所述訓練樣本數據包括字符序列樣本及預定義的標簽序列樣本；利用參數矩陣，將所述字符序列樣本及所述標簽序列樣本的維度投影到高緯空間，得到字符序列樣本中各字符樣本的高緯向量及標簽序列樣本中各標簽樣本的高緯向量；構建初始標簽預測模型，所述初始標簽預測模型由如下公式表示：p_ij＝sigmoid([h′_i；b′_j]))，其中，p_ij表示初始預測得到的標簽，h_i′表示第i個字符樣本的高緯向量，b_j′表示第j個標簽樣本的高緯向量；構建初始標簽預測模型的損失函數；根據所述訓練樣本數據輸入至所述初始標簽預測模型得到的輸出及所述損失函數，訓練所述初始標簽預測模型，得到所述標簽預測模型。