[发明专利]一种文本的分类方法及装置

说明书

本发明公开了一种文本的分类方法及装置，涉及一种数据处理技术领域，主要目的在于现有由于文本中的文字、词语特征在于特定的情况下可能表达的褒贬词性是不同的，使得文本的体现内容也会不同，这就造成了文本分类的不准确性，降低文本分类的效率的问题。技术方案为：获取待分类的文本数据；利用训练好的深度信念网络模型DBN对所述文本数据进行预测分类，所述深度信念网络模型DBN是通过无监督训练每一层波尔兹曼机网络RBM得到特征向量后，利用配置为最后一层的分类器模型训练所述特征向量得到的模型。适用于文本的分类。

技术领域

本发明涉及一种数据处理技术领域，特别是涉及一种文本的分类方法及装置。

背景技术

随着因特网的快速发展，海量级的数据及信息需要不断进行处理分析，尤其针对占用网络资源较少、更容易上传和下载的文本数据。在进行文本处理的过程中，为了简化处理过程，有效分析文本数据的特征，需要对文本进行分类。

目前，文本的分类通常是通过对分析文本中的文字、词语特征从而进行分类，但是，由于文本中的文字、词语特征在于特定的情况下可能表达的褒贬词性是不同的，使得文本的体现内容也会不同，这就造成了文本分类的不准确性，降低文本分类的效率。

发明内容

有鉴于此，本发明提供一种文本的分类方法及装置，主要目的在于现有由于文本中的文字、词语特征在于特定的情况下可能表达的褒贬词性是不同的，使得文本的体现内容也会不同，这就造成了文本分类的不准确性，降低文本分类的效率的问题。

依据本发明一个方面，提供了一种文本的分类方法，包括：

获取待分类的文本数据；

利用训练好的深度信念网络模型DBN对所述文本数据进行预测分类，所述深度信念网络模型DBN是通过无监督训练每一层波尔兹曼机网络RBM得到特征向量后，利用配置为最后一层的分类器模型训练所述特征向量得到的模型。

进一步地，所述方法还包括：

配置待建立的DBN中的学习率以及权衰减，所述学习率为以权重更新量为权重的10^-3倍为自调整范围，所述权衰减包括梯度项、一个以权重参数的平方和的1/2乘以正则化系数的惩罚函数。

进一步地，所述方法还包括：

建立具有两层网络结构的RBM以及一层BP神经网络的DBN，并将所述DBN中的学习率以及权衰减分别配置为所述以权重更新量为权重的10^-3倍为自调整范围的学习率，以及包括梯度项、一个以权重参数的平方和的1/2乘以正则化系数的惩罚函数的权衰减，并确定误差率与迭代次数之间的关系，利用用于训练的文本数据结合所述学习率、所述权衰减、所述误差率、所述迭代次数对所述DBN进行训练。

进一步地，所述学习率取值为0.62。

依据本发明一个方面，提供了一种文本的分类装置，包括：

获取单元，用于获取待分类的文本数据；

分类单元，用于利用训练好的深度信念网络模型DBN对所述文本数据进行预测分类，所述深度信念网络模型DBN是通过无监督训练每一层波尔兹曼机网络RBM得到特征向量后，利用配置为最后一层的分类器模型训练所述特征向量得到的模型。

进一步地，所述装置还包括：

配置单元，用于配置待建立的DBN中的学习率以及权衰减，所述学习率为以权重更新量为权重的10^-3倍为自调整范围，所述权衰减包括梯度项、一个以权重参数的平方和的1/2乘以正则化系数的惩罚函数。

进一步地，所述装置还包括：