[发明专利]投诉文本的分类模型、构建方法、系统、分类方法和系统

权利要求书

1.一种投诉文本的分类模型，其特征在于，所述分类模型包括：

预处理模块，用于读取所述投诉文本，并对所述投诉文本进行预处理；

BTM模块，用于对所述投诉文本进行处理以生成主题向量；

Doc2vec模块，用于对所述投诉文本进行处理以生成词向量；

将所述主题向量和所述词向量进行拼接以生成特征向量；

ER分类器，用于：

根据所述特征向量对所述投诉文本进行分类以生成分类结果。

2.一种投诉文本的分类模型的构建方法，用于构建如权利要求1所述的分类模型，其特征在于，所述构建方法包括：

初始化分类模型；

获取投诉文本和所述投诉文本的真实分类结果；

对所述投诉文本进行预处理；

采用BTM模型对所述投诉文本进行处理以生成主题向量，其中所述主题向量的维度为N₁维；

采用Doc2vec模型对所述投诉文本进行处理以生成词向量，其中，所述词向量的维度为N₂维；

将所述主题向量和所述词向量进行拼接以生成维度为N的特征向量，其中，N＝N₁+N₂；

采用贝叶斯方法获取所述投诉文本的证据；

计算所述证据的权重；

采用所述分类模型的ER分类器根据所述证据和所述权重对所述投诉文本进行分类以生成分类结果；

将所述分类结果与所述真实分类结果进行比对以计算分类误差；

判断所述分类误差的变化值是否小于预设值；

在判断所述分类误差的变化值小于所述预设值的情况下，输出所述分类模型；

在判断所述分类误差的变化值大于或等于所述预设值的情况下，对所述的ER分类器的参数进行优化以更新所述分类模型，再次采用所述ER分类器对所述投诉文本进行分类并执行所述构建方法直到所述分类误差的变化值小于所述预设值。

3.根据权利要求2所述的分类模型的构建方法，其特征在于，所述预处理包括文本筛选、脱敏处理、去除停用词、过滤敏感词、建立自定义词典中的至少一者。

4.根据权利要求2所述的分类模型的构建方法，其特征在于，所述采用贝叶斯方法获取所述投诉文本的证据包括：

对所述特征向量中的每个特征值设置参考值；

将所述特征值与预设的类的对应关系转换为所述参考值与所述类的对应关系以计算所述似然度；

采用贝叶斯概率统计的方法根据所述似然度获取所述特征值和所述类之间的所述证据。