[发明专利]文本的行业分类方法、系统、计算机设备和存储介质

说明书

本申请涉及一种文本的行业分类方法、系统、计算机设备和存储介质。所述方法包括：获取待分类文本信息的特征词，根据特征词以及预先建立的行业特征词库，得到待分类文本信息对应的初始行业标签，根据已知行业分类的已知文本信息、待分类文本信息及其对应的初始行业标签，建立迭代模型，根据迭代模型，得到待分类文本信息对应于初始行业标签中各个行业标签的行业标签概率，根据行业标签概率，从初始行业标签中确定出待分类文本信息对应的行业分类。通过迭代对待分类文本信息进行分类，显著提升文本信息的分类效率。

技术领域

本申请涉及文本挖掘技术领域，特别是涉及一种文本的行业分类方法、系统、计算机设备和存储介质。

背景技术

随着互联网的发展，传统的营销行业也愈发焕发生机，营销渠道逐渐从线下转到线上，广告文案也随之呈现爆炸性的增长。广告文案实质上是属于短文本范畴的文本，其文本内容较少，具有特征稀疏、缺少上下文信息、信息量少等缺点，同时广告文案为了吸引用户一般呈现的内容含义均是比较表面的。若能利用文本对广告文案进行行业分类，不同行业企业便可有的放矢地参考同行文案创意来提升自身广告效果。然而现有技术中，然而现有技术中，通常采用人工分类的方式与模型自动分类方法，其中，人工分类虽然能够保证分类的准确性，但是由于效率低下，缺乏实用性，而模型自动分类较难满足词汇级颗粒度的可解释性。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决文本信息进行行业分类时效率低的文本的行业分类方法、系统、计算机设备和存储介质。

一种文本的行业分类方法，所述方法包括：

获取待分类文本信息的特征词，根据所述特征词以及预先建立的行业特征词库，得到所述待分类文本信息对应的初始行业标签；

根据已知行业分类的已知文本信息、所述待分类文本信息及其对应的初始行业标签，建立迭代模型；根据所述迭代模型，得到所述待分类文本信息对应于所述初始行业标签中各个行业标签的行业标签概率；

根据所述行业标签概率，从初始行业标签中确定出所述待分类文本信息对应的行业分类。

上述文本的行业分类方法，通过获取文本信息的特征词，根据预设的行业特征词库，筛选出初始行业标签，然后将待分类文本信息作为未知文本，获取的已知行业分类的已知文本信息作为已知文本，建立迭代模型，然后根据迭代模型得到对应于所述初始行业标签中各个行业标签的行业标签概率，从而确定文本信息的行业分类，本发明实施例，通过已知的文本库，进行迭代对文本信息进行分类，显著提升文本信息的分类效率。

在其中一个实施例中，还包括：根据所述已知文本信息和所述待分类文本信息得到文本集合；根据所述已知文本信息的特征词和所述待分类文本信息的特征词，得到特征词汇集合；建立所述文本集合中的文本信息与所述特征词汇集合中的特征词的正映射关系和反映射关系；根据所述正映射关系和所述反映射关系，分别得到所述特征词汇集合中的特征词的正向行业概率公式以及所述文本集合中的文本的反向行业概率公式；根据所述正向行业概率公式和所述反向行业概率公式，建立迭代模型。

在其中一个实施例中，还包括：获取各已知文本信息的初始状态向量以及所述待分类文本信息的初始状态向量；其中，所述初始状态向量是已知文本信息和文本信息初始状态下各行业标签的概率向量；将所述初始状态向量作为迭代模型的初始状态；获取预先设置的所述迭代模型的迭代次数以及迭代误差阈值；在迭代误差小于所述迭代误差阈值，或迭代到所述迭代次数时，将所述迭代模型输出的文本信息对应的各行业标签的概率向量作为行业标签概率。

在其中一个实施例中，还包括：将所述迭代模型输出的特征词对应的各行业标签的概率对应保存；在获取待分类文本信息的特征词之后，还包括：判断所述特征词是否存在已保存的各行业标签的概率，若是，则根据所述各行业标签的概率，得到所述待分类文本信息对应的行业分类。