[发明专利]一种文本分类方法、装置及电子设备

说明书

本申请公开了一种文本分类方法、装置及电子设备，所述方法包括：通过无监督方法训练词向量模型；根据词向量模型，确定在文本中提取出的关键词的词向量；根据所述关键词的词向量，确定所述文本的文本向量；计算所述文本向量与预设类目的向量之间的相似度；将相似度符合预设条件的类目作为所述文本的类目。本发明实现了对文本的无监督方式分类，避免大工作量的人工标注数据，降低成本。

技术领域

本申请涉及人工智能领域，尤其涉及一种文本分类方法、装置及电子设备。

背景技术

传统互联网和移动互联网大部分以文本形式传递信息，这些信息包括可以从互联网直接获取的信息，如从网页中获取的资讯、新闻等各种内容，还包括通过微信、微博、门户网站、论坛、新闻app等方式获取的信息。

互联网的原始信息是杂乱无章的，通过数据挖掘可以将非结构化数据转换成结构化数据，并在整理后上传至互联网，因此，用户从互联网上所看到的信息一般是整理后的信息。

文本分类是数据挖掘中最重要的一环，其可以将无序的数据重新组织起来，方便用户浏览。比如，对于门户网站而言，其有自己的分类体系，例如，网站首页上会有大的分类：军事、体育、科技、教育、美食、财经、房产、汽车、游戏等，体育类别下又可以划分篮球、足球、羽毛球等，进入篮球类别，又可以分为NBA、CBA等。

传统的文本分类方法中，需要人工标注数据，然后根据机器学习算法(比如支持向量机、逻辑回归、朴素贝叶斯、决策树、神经网络等)，去训练模型。但是人工标注工作量很大，如果客户有100个类目，每个类目准备1000条标注数据，那么需要人工标注10万条数据。而且一旦类目体系调整后，则需要重新标注数据并训练模型，将极大地增加人工的工作量，提升成本。

发明内容

本申请实施例提供一种文本分类方法，采用该方法，能够自动对输入的文本进行分类。

本申请实施例还提供一种文本分类装置，采用该装置，能够自动对输入的文本进行分类。

本申请实施例还提供一种电子设备，该电子设备能够对输入的文本自动分类。

本申请实施例采用下述技术方案：

一种文本分类方法，所述方法包括：

通过无监督方法训练词向量模型；

根据所述词向量模型，确定在所述文本中提取出的关键词的词向量；

根据所述关键词的词向量，确定所述文本的文本向量；

计算所述文本向量与预设类目的向量之间的相似度；

将相似度符合预设条件的类目作为所述文本的类目。

一种文本分类装置，所述装置包括：

训练模块，用于通过无监督方法训练词向量模型；

第一确定模块，用于根据所述词向量模型，确定从所述文本中提取出的关键词的词向量；

第二确定模块，用于根据所述关键词的词向量，确定所述文本的文本向量；

计算模块，用于计算所述文本向量与预设类目的向量之间的相似度；

分类模块，用于将相似度符合预设条件的类目作为所述文本的类目。

一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

所述处理器被配置为：

通过无监督方法训练词向量模型；

根据所述词向量模型，确定在所述文本中提取出的关键词的词向量；