[发明专利]一种信息分类方法及装置

权利要求书

1.一种信息分类方法，其特征在于，包括：

获取多个样例特征标签，并获取每个样例特征标签与待分类的主题类别之间的关系；

对多个待分类句子进行分词处理，得到待处理词语集合；所述待分类句子为来自交互系统的交互日志；

对待处理词语进行同类词替换处理，得到更新后词语集合；

根据所述更新后词语集合中各待分类句子包含的第一词语组合出现的频次，生成待分类特征标签；生成待分类特征标签的过程，包括：若所述更新后词语集合中有第一词语组合出现的频次大于或等于预设的频次阈值，则将该第一词语组合作为待分类特征标签；

计算所述待分类特征标签与多个所述样例特征标签的最大语义相似度，当所述最大语义相似度大于或等于预设的相似度阈值时，则最大语义相似度对应的样例特征标签作为所述待分类特征标签的目标特征标签；

将所述待分类特征标签对应的待分类句子标注为所述目标特征标签对应的主题类别；

所述第一词语组合的生成过程，包括：将所述更新后词语集合中每个待分类句子对应的全部词语的组合作为一个第一词语组合。

2.根据权利要求1所述的信息分类方法，其特征在于，所述同类词替换处理包括将待处理词语替换为与其同义或同类的目标词语。

3.根据权利要求1所述的信息分类方法，其特征在于，同类词替换处理前，还包括：将所述样例特征标签中与所述待处理词语同类或同义的词作为目标词语。

4.根据权利要求1所述的信息分类方法，其特征在于，若所述更新后词语集合中有第一词语组合出现的频次小于或等于预设第一频次阈值，则针对该第一词语组合对应的每个待分类句子生成各自的所述待分类特征标签。

5.根据权利要求1所述的信息分类方法，其特征在于，计算所述待分类特征标签与多个所述样例特征标签的最大语义相似度，包括：

将所述待分类特征标签对应的第一词语组合与所述样例特征标签对应的第二词语组合进行匹配，得到匹配词语；

根据所述待分类特征标签与匹配词语的预设语义权重值加和，分别生成所述待分类特征标签与各样例特征标签的语义相似度值；

将所述待分类特征标签与各样例特征标签的语义相似度值中的最大值作为得到最大语义相似度。

6.根据权利要求5所述的信息分类方法，其特征在于，生成与各样例特征标签的语义相似度值之前，还包括：将业务名词和/或商品名词的语义权重值设置为大于或等于所述预设的相似度阈值。

7.根据权利要求1所述的信息分类方法，其特征在于，还包括，若所述最大语义相似度小于或等于所述预设的相似度阈值，则将所述待分类特征标签对应的待分类句子标注为缺省主题类别。

8.根据权利要求1所述的信息分类方法，其特征在于，所述生成待分类特征标签之前，还包括：

去除所述更新后词语集合中对所述待分类句子的语义的影响值小于或等于预设影响值的词语，以生成所述待分类句子对应的所述第一词语组合。

9.根据权利要求1所述的信息分类方法，其特征在于，所述多个待分类句子包括：交互系统的交互日志中的问题语句和/或答案语句。

10.根据权利要求1所述的信息分类方法，其特征在于，所述样例特征标签通过如下方式生成：

对所述主题类别的语料中各个样例语句进行分词处理，得到主题词语集合；

对所述主题词语集合进行同类词替换处理，得到更新后的主题词语集合；

根据所述更新后的主题词语集合中所述各个样例语句包含的第二词语组合出现的频次，生成所述主题类别对应的至少一个所述样例特征标签。