[发明专利]语料分类方法及装置

权利要求书

1.一种语料分类方法，其特征在于，包括：

从语料数据库中提取出包含性别特证词的第一语料；

将所述第一语料进行性别分类；

根据接收到的分类标记命令，对所述语料数据库中的第二语料进行性别分类标记，其中，所述第二语料不同于所述第一语料；

利用标记后的所述第二语料和libshortext算法进行训练，得到性别分类模型；

使用所述性别分类模型对所述语料数据库中除所述第一语料和所述第二语料之外的第三语料进行性别分类，以得到所述语料数据库对应的性别分类结果；

所述利用标记后的所述第二语料和libshortext算法进行训练，得到性别分类模型，包括：

根据文本向量化算法将所述第二语料中的每个语料数据进行向量转化，得到第一向量数据；

根据预设性别特征词将所述第二语料中的每个语料数据进行向量转化，得到第二向量数据；

根据PLDA算法模型将所述第二语料中的每个语料数据进行向量转化，得到第三向量数据；

将所述第一向量数据、所述第二向量数据和所述第三向量数据进行拼接，得到第四向量数据；

将所述第四向量数据作为所述libshortext算法的输入向量，使用所述libshortext算法进行训练，得到所述性别分类模型；

所述将所述第一向量数据、所述第二向量数据和所述第三向量数据进行拼接，得到第四向量数据，包括：

分别将所述第一向量数据、所述第二向量数据和所述第三向量数据中同一语料数据对应的向量数据进行拼接，得到所述第四向量数据。

2.根据权利要求1所述的方法，其特征在于，所述使用所述性别分类模型对所述语料数据库中除所述第一语料和所述第二语料之外的第三语料进行性别分类，以得到所述语料数据库对应的性别分类结果，包括：

根据文本向量化算法将所述第三语料中的每个语料数据进行向量转化，得到第五向量数据；

根据预设性别特征词将所述第三语料中的每个语料数据进行向量转化，得到第六向量数据；

根据所述PLDA算法模型将所述第三语料中的每个语料数据进行向量转化，得到第七向量数据；

将所述第五向量数据、所述第六向量数据和所述第七向量数据进行拼接，得到第八向量数据；

利用所述性别分类模型对所述第八向量数据进行分类，以得到所述语料数据库对应的性别分类结果；

所述将所述第五向量数据、所述第六向量数据和所述第七向量数据进行拼接，得到第八向量数据，包括：

分别将所述第五向量数据、所述第六向量数据和所述第七向量数据中同一语料数据对应的向量数据进行拼接，得到所述第八向量数据。

3.一种语料分类装置，其特征在于，包括：

提取模块，用于从语料数据库中提取出包含性别特证词的第一语料；

第一分类模块，用于将所述第一语料进行性别分类；

标记模块，用于根据接收到的分类标记命令，对所述语料数据库中的第二语料进行性别分类标记，其中，所述第二语料不同于所述第一语料；

训练模块，用于利用标记后的所述第二语料和libshortext算法进行训练，得到性别分类模型；

第二分类模块，用于使用所述性别分类模型对所述语料数据库中除所述第一语料和所述第二语料之外的第三语料进行性别分类，以得到所述语料数据库对应的性别分类结果；

所述训练模块包括：

第一转化子模块，用于根据文本向量化算法将所述第二语料中的每个语料数据进行向量转化，得到第一向量数据；

第二转化子模块，用于根据预设性别特征词将所述第二语料中的每个语料数据进行向量转化，得到第二向量数据；

第三转化子模块，用于根据PLDA算法模型将所述第二语料中的每个语料数据进行向量转化，得到第三向量数据；

第一拼接子模块，用于将所述第一向量数据、所述第二向量数据和所述第三向量数据进行拼接，得到第四向量数据；

第一训练子模块，用于将所述第四向量数据作为所述libshortext算法的输入向量，使用所述libshortext算法进行训练，得到所述性别分类模型；

所述第一拼接子模块用于：

分别将所述第一向量数据、所述第二向量数据和所述第三向量数据中同一语料数据对应的向量数据进行拼接，得到所述第四向量数据。

4.根据权利要求3所述的装置，其特征在于，所述第二分类模块包括：

第四转化子模块，用于根据文本向量化算法将所述第三语料中的每个语料数据进行向量转化，得到第五向量数据；

第五转化子模块，用于根据预设性别特征词将所述第三语料中的每个语料数据进行向量转化，得到第六向量数据；

第六转化子模块，用于根据所述PLDA算法模型将所述第三语料中的每个语料数据进行向量转化，得到第七向量数据；

第二拼接子模块，用于将所述第五向量数据、所述第六向量数据和所述第七向量数据进行拼接，得到第八向量数据；

第二分类子模块，用于利用所述性别分类模型对所述第八向量数据进行分类，以得到所述语料数据库对应的性别分类结果；

所述第二拼接子模块用于：

分别将所述第五向量数据、所述第六向量数据和所述第七向量数据中同一语料数据对应的向量数据进行拼接，得到所述第八向量数据。