[发明专利]短文本的分类方法、装置、电子设备和存储介质

说明书

本发明实施例提供一种短文本的分类方法、装置、电子设备和存储介质。所述方法包括对目标短文本进行预处理，得到多个有效词；对有效词进行第一向量化处理，获取第一向量，第一向量表示每一有效词在目标短文本的重要度；根据第一向量，确定第一类别信息，第一类别信息包括所述目标短文本为每一类别的概率；对有效词进行第二向量化处理，获取第二向量，第二向量表示每一有效词在目标短文本的词序；根据第二向量，确定第二类别信息，第二类别信息包括目标短文本为每一类别的概率；根据第一类别信息和第二类别信息，确定目标短文本的类别。所述方法通过有效词的重要度结合有效词的词序，确定目标短文本的类别，提高了短文本的分类的准确率。

技术领域

本发明实施例涉及一种通信技术领域，特别是一种短文本的分类方法、装置、电子设备和存储介质。

背景技术

客户咨询和投诉信息，以及公司内部咨询和投诉信息，会通过不同渠道(客服电话、营业厅、掌上营业厅、微厅及其他)，汇总到itos(Integrated Test and OperationsSystem，集成测试和操作系统,)平台形成事件单。为了不影响客户满意度，需要及时回复并解决事件单提出的问题。目前这个过程是通过有经验的业务人员在前台人工回复并解决的，占用大量人力和时间。为了提高事件单的处理即时性，降低事件单量，需要对事件单短文本进行自动分类。

现有技术用于短文本分类的算法很多，近几年较为常见的方法是采用k近邻分类(k-NN)、朴素贝叶斯分类(Naive Bayes NB)和支持向量机(SupportVector Machine，SVM)等经典的机器学习算法。将短文本经过特征提取和特征筛选，得到特征词，针对各个特征词进行识别，最终确定短文本的分类，实验证明，该方法在类似事件单这样的短文本分类上能发挥一定的效果。

现有技术存在以下问题：

客户具有其个性化的表达方式，仅针对各个特征词进行识别，无法准确掌握客户的本意，导致对于短文本的分类的准确性不高。

目前，现有技术还没有相应的方法来解决上述问题。

发明内容

针对现有技术的缺陷，本发明实施例提供一种短文本的分类方法、装置、电子设备和存储介质。

一方面，本发明实施例提供一种短文本的分类方法，所述方法包括：

对目标短文本进行预处理，得到多个有效词；

对所述有效词进行第一向量化处理，获取第一向量，所述第一向量表示每一有效词在所述目标短文本的重要度；

根据所述第一向量，确定所述目标短文本的第一类别信息，所述第一类别信息包括所述目标短文本为每一类别的概率；

对所述有效词进行第二向量化处理，获取第二向量，所述第二向量表示每一有效词在所述目标短文本的词序；

根据所述第二向量，确定所述目标短文本的第二类别信息，所述第二类别信息包括所述目标短文本为每一类别的概率；

根据所述第一类别信息和所述第二类别信息，确定所述目标短文本的类别。

另一方面，本发明实施例提供一种短文本的分类装置，所述装置包括：

预处理模块，用于对目标短文本进行预处理，得到多个有效词；

第一获取模块，用于对所述有效词进行第一向量化处理，获取第一向量，所述第一向量表示每一有效词在所述目标短文本的重要度；

第一确定模块，用于根据所述第一向量，确定所述目标短文本的第一类别信息，所述第一类别信息包括所述目标短文本为每一类别的概率；

第二获取模块，用于对所述有效词进行第二向量化处理，获取第二向量，所述第二向量表示每一有效词在所述目标短文本的词序；