[发明专利]一种标题的分类方法及装置

说明书

技术领域

本发明涉及多媒体内容识别技术领域，特别是涉及一种标题的分类方法及装置。

背景技术

目前，视频网站中的视频数量越来越多，然而，这些视频的质量参差不齐，为了给用户提供高质量的视频，需要对视频质量进行识别，也即，需要对视频进行分类。其中，通过视频标题对视频进行分类是一种常用的分类方式。

现有技术中主要采用人工标注的方式对视频标题进行分类，技术人员查看后端设备上的视频网站的视频标题，对标注每个视频标题的分类类别，然后后端设备把标题的分类类别，作为视频的分类类别。然而，发明人在实现本发明的过程中发现，现有技术至少存在如下问题：

由于视频网站中的视频数量非常多，因此，在面对大量的视频时，通过人工对视频的标题分类会导致视频标题的分类的效率较低。

发明内容

本发明实施例的目的在于提供一种标题的分类方法及装置，以提高标题分类的效率。具体技术方案如下：

为达到上述目的，本发明实施例提供了一种标题的分类方法，所述方法包括：

获得待分类的目标标题；

对所述目标标题进行特征提取，得到所述目标标题的分词集合；

将所述分词集合中的每一个分词输入到预先训练的目标分类模型，确定所述目标标题在预设的各分类类别中的相似度；

将对应的相似度最大的分类类别，作为所述目标标题的分类结果。

在本发明实施例提供的一种实现方式中，所述对所述目标标题进行特征提取，得到所述目标标题的分词集合，包括：

对所述目标标题进行分词，得到所述目标标题的初始分词集合；

对所述目标标题的初始分词集合进行特征选择，得到所述目标标题的分词集合。

在本发明实施例提供的一种实现方式中，所述将所述分词集合中的每一个分词输入到预先训练的目标分类模型，确定所述目标标题在预设的各分类类别中的相似度，包括：

获取预先存储的所述分词集合中的每一个分词对应的条件概率集合，所述条件概率集合中包含该分词在各分类类别中的条件概率；

根据所述每一个分词对应的条件概率集合，确定所述目标标题在预设的各分类类别中的相似度。

在本发明实施例提供的一种实现方式中，所述目标分类模型的训练过程，包括：

获得多个样本集合和所述多个样本集合中的每个样本标题对应的样本分类类别，其中，每个样本集合包括多个样本标题；

针对每个样本集合中的每个样本标题进行特征提取，得到每个样本集合对应的训练数据；

基于所述每个样本标题对应的样本分类类别、所述每个样本集合对应的训练数据和预设的分类器，确定所述目标分类模型。

在本发明实施例提供的一种实现方式中，所述针对每个样本集合中的每个样本标题进行特征提取，得到每个样本集合对应的训练数据，包括：

针对每个样本集合中的每个样本标题进行分词，得到所述每个样本标题对应的特征分词集合；

针对每个样本集合，将该样本集合中的样本标题对应的特征分词集合中的词进行去重处理，得到该样本集合对应的训练数据。

在本发明实施例提供的一种实现方式中，所述针对每个样本集合中的每个样本标题进行分词，得到所述样本标题对应的特征分词集合，包括：

对所述多个样本标题中的每个样本标题进行分词，得到所述每个样本标题对应的初始分词集合；

将每一初始分词集合中的词进行特征选择，得到所述样本标题对应的特征分词集合。

在本发明实施例提供的一种实现方式中，所述基于所述每个样本标题对应的样本分类类别、所述每个样本集合对应的训练数据和预设的分类器，确定所述目标分类模型，包括：

根据所述每个样本集合对应的训练数据和预设的分类器，分别对预设的分类模型进行训练，得到所述每个样本集合对应的候选分类模型；

根据所述每个样本标题对应的样本分类类别，在所述每个样本集合对应的所述候选分类模型中，确定目标分类模型。

在本发明实施例提供的一种实现方式中，所述根据所述每个样本集合对应的训练数据和预设的分类器，分别对预设的分类模型进行训练，得到所述每个样本集合对应的所述候选分类模型，包括：

基于多个样本标题对应的分类类别，得到每个分类类别对应的概率；

基于每个样本集合对应的训练数据和多个样本标题对应的分类类别，得到特征分词集合中的每个分词在对应的分类类别中的条件概率；