[發(fā)明專利]一種特征詞分類方法、裝置、電子設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202211453690.7
• 申請日: 2022-11-21
• 公開（公告）號: CN115905950A
• 公開（公告）日: 2023-04-04
• 發(fā)明（設計）人: 曹特磊;唐亮;趙偉
• 申請（專利權）人: 時趣互動(北京)科技有限公司
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/22;G06F40/289;G06F40/30
• 代理公司: 北京智慧亮點知識產(chǎn)權代理事務所(普通合伙) 11950
• 代理人: 王鴻遠

1.一種特征詞分類方法，其特征在于，所述方法包括：

獲取新增的行業(yè)特征詞；

對新增的行業(yè)特征詞提取行業(yè)特征詞的字符組合并進行切分；

根據(jù)預先保存的字符組合語義模型，獲取所述行業(yè)特征詞的字符組合的語義向量以及對應的權重；

加權累加字符組合的語義向量，得到當前行業(yè)特征詞的整體語義向量；

根據(jù)所述整體語義向量對所述行業(yè)特征詞進行整體類別判斷。

2.根據(jù)權利要求1所述的特征詞分類方法，其特征在于，所述字符組合語義模型的訓練方法包括：

獲取預先積累的特征詞文本數(shù)據(jù)；

采用基于分布式的n-gram挖掘策略，提取特征詞文本數(shù)據(jù)中每個特征詞的字符組合，作為特征詞整體類別判斷的原子語義；

對提取的特征詞的字符組合進行語義向量的構建，得到字符組合語義模型。

3.根據(jù)權利要求2所述的特征詞分類方法，其特征在于，所述對提取的特征詞的字符組合進行語義向量的構建的步驟，具體包括：

按照提取的原子語義對特征詞的字符組合進行切分，構建語義訓練的樣本數(shù)據(jù)；

使用gensim工具包，加載樣本數(shù)據(jù)并訓練語義向量；

將訓練后的字符組合的語義向量結果進行保存。

4.根據(jù)權利要求3所述的特征詞分類方法，其特征在于，在執(zhí)行所述構建語義訓練的樣本數(shù)據(jù)的步驟時，將每條特征詞文本數(shù)據(jù)的所有切分可能都加入到訓練樣本集合中，并確保各字符組合的位置順序與原文中出現(xiàn)的順序一致，且沒有切分位置上的重疊。

5.根據(jù)權利要求4所述的特征詞分類方法，其特征在于，所述對新增的行業(yè)特征詞提取行業(yè)特征詞的字符組合并進行切分的步驟，具體包括：

按照所述原子語義提取所述行業(yè)特征詞的字符組合并進行切分；

采用“全量切分”策略，將所述行業(yè)特征詞內部包含的所有出現(xiàn)在特征詞文本數(shù)據(jù)中的字符組合，都進行提取。

6.根據(jù)權利要求5中所述的特征詞分類方法，其特征在于，獲取所述行業(yè)特征詞的字符組合對應的權重的方法，具體包括：

采用gensim工具包自帶的計算兩個詞語相對重要度的計算邏輯，計算任意兩兩字符組合的相對重要度；

根據(jù)所述相對重要度生成每個字符組合在當前特征詞內的重要度；

將每個字符組合在當前特征詞內的重要度作為每個字符組合的權重。

7.根據(jù)權利要求6中所述的特征詞分類方法，其特征在于，所述根據(jù)所述整體語義向量對所述行業(yè)特征詞進行整體類別判斷的步驟，具體包括：

對于聚類操作，對根據(jù)行業(yè)特征詞計算得到的所述整體語義向量直接進行聚類處理；

對于分類操作，在根據(jù)行業(yè)特征詞計算得到的所述整體語義向量之外，疊加一層用于分類的全連接層，并訓練相應的分類模型進行分類。

8.一種特征詞分類裝置，其特征在于，所述裝置包括：

特征詞獲取單元，用于獲取新增的行業(yè)特征詞；

字符提取單元，用于對新增的行業(yè)特征詞提取行業(yè)特征詞的字符組合并進行切分；

向量獲取單元，用于根據(jù)預先保存的字符組合語義模型，獲取所述行業(yè)特征詞的字符組合的語義向量以及對應的權重；

向量計算單元，用于加權累加字符組合的語義向量，得到當前行業(yè)特征詞的整體語義向量；

特征詞分類單元，用于根據(jù)所述整體語義向量對所述行業(yè)特征詞進行整體類別判斷。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲器；

一個或多個應用程序，其中所述一個或多個應用程序被存儲在所述存儲器中并被配置為由所述一個或多個處理器執(zhí)行，所述一個或多個程序配置用于執(zhí)行如權利要求1-7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程序代碼，所述程序代碼可被處理器調用執(zhí)行如權利要求1-7任一項所述的方法。