[发明专利]一种建筑质量投诉文本分类的方法和系统

权利要求书

1.一种建筑质量投诉文本分类的方法，其特征在于，包括以下步骤：

步骤1：收集现有的建筑质量投诉文本，提取每条投诉的投诉内容及投诉类别；

步骤2：将投诉内容分词处理，构建投诉文本二维矩阵；

步骤3：将投诉内容文本二维矩阵输入卷积神经网络，对卷积神经网络进行训练，得到文本分类模型。

2.根据权利要求1所述的一种建筑质量投诉文本分类的方法，其特征在于，步骤2中，分词处理包括将投诉文本切词并将删除停用词，分词处理后将投诉文本转换为二维空间矩阵。

3.根据权利要求2所述的一种建筑质量投诉文本分类的方法，其特征在于，投诉文本转换为二维空间矩阵的方法如下：

2.1、建立建筑质量投诉领域词汇词典；

2.2、将投诉文本中包含的关键词，分别在投诉领域词汇词典中进行检索；

2.3、按照关键词的序列，将从词典中查找的关键词向量组合成投诉文本的二维空间矩阵。

4.根据权利要求1～3任意一项所述的一种建筑质量投诉文本分类的方法，其特征在于，步骤3中的文本分类模型包括特征提取和文本分类两部分；

特征提取部分包括卷积核和全连接层，卷积核中包括卷积层、激活层和池化层；

文本分类部分包括输入层、隐藏层和输出层。

5.根据权利要求4所述的一种建筑质量投诉文本分类的方法，其特征在于，文本分类模型中的模型参数包括；输入层参数x_i，隐藏层参数y_r，输出层参数C_l，输入层与隐藏层之间为W_ir，隐藏层与输出层之间参数为V_rl；其中，

I表示输入层总共有I个输入参数，R表示隐藏层总共有R个隐藏参数。

6.根据权利要求5所述的一种建筑质量投诉文本分类的方法，其特征在于，训练前，将x_i、y_r、C_l、W_ir、V_rl赋予随机值，以进行初始化。

7.根据权利要求1或5所述的一种建筑质量投诉文本分类的方法，其特征在于，还包括如下模型优化步骤：

步骤4：将多份已知类别的建筑质量投诉文本分批作为训练集和验证集，按照步骤1、2处理后，输入步骤3的文本分类模型进行训练与验证，将不同批次计算结果的准确率作对比，挑选准确率最高的批次对应的模型参数对文本分类模型进行更新，得到最优参数模型。

8.根据权利要求7所述的一种建筑质量投诉文本分类的方法，其特征在于，步骤4包括如下子步骤：

步骤4.1、第k-1次参数更新时，得到x_i、y_r、C_l、W_ir、V_rl的参数集P_k-1，使用验证集数据对第k-1次参数更新更新后的文本分类模型进行测试，得出第k-1次验证时的准确率为A_k-1；

步骤4.2、在第k-1次参数更新的基础上，使用第k次训练集数据对文本分类模型进行训练；

步骤4.3、经过步骤4.2模型训练后，得到参数集P_k，使用验证集在参数集P_k下进行测试，得出k次时的准确率A_k；

步骤4.4、比较第k-1和第k次的验证准确率，若A_k>A_k-1，则删除参数集P_k-1，保留P_k作为步骤1.1中的文本分类模型参数，返回步骤1.1继续第k+1次的参数更新；反之，若A_k<A_k-1，则删除参数集P_k，保留P_k-1作为步骤1.1中的文本分类模型参数，返回步骤1.1继续第k+1次的参数更新，直至得到最优参数集。