[发明专利]一种基于记账场景的短文本分类方法及装置

权利要求书

1.一种基于记账场景的短文本分类方法，其特征在于，包括：

将待分类的记账网银文本进行数据预处理，包括：分词、去除分词后的文本中的停用词和/或高频词以及提取关键词；

将经过数据预处理的文本输入到输入预先建立的FastText分类模型中，预测待分类文本所述的类别。

2.根据权利要求1所述的一种基于记账场景的短文本分类方法，其特征在于，所述去除停用词和/或高频词包括：

构建停用词、高频词库；

对比分词结果中的词汇和停用词、高频词库，检测是否有词汇出现在词库中，如果出现，则过滤掉。

3.根据权利要求1所述的一种基于记账场景的短文本分类方法，其特征在于，通过TextRank算法提取关键词。

4.根据权利要求1所述的一种基于记账场景的短文本分类方法，其特征在于，所述数据预处理包括，提取待处理的记账网银文本的资金流向信息，补充到分词结果中。

5.根据权利要求4所述的一种基于记账场景的短文本分类方法，其特征在于，记账网银数据除了包含交易文本信息外，还会有资金流水记录，判断资金流水金额正负，若资金流水金额为正数，映射成“支出”字段补充到分词结果中；若资金流水金额为负数，映射成“收入”字段补充到分词结果中。

6.根据权利要求1所述的一种基于记账场景的短文本分类方法，其特征在于，建立FastText文本分类模型包括以下步骤：

1)搭建FastText分类模型，包括：添加输入层、隐含层和输出层，指定损失函数、优化器类型和评价指标；

2)将记账网银文本训练数据输入FastText分类模型，所述记账网银文本训练数据库包括多条记账网银文本和对应每条记账网银文本的所属类别；

3)按指定的优化器类型对FastText分类模型进行优化并执行步骤2)，直至准确率达到预设的评价指标；

其中，记账网银文本来自第三方。

7.根据权利要求6所述的一种基于记账场景的短文本分类方法，其特征在于，在隐含层计算时，将输入FastText分类模型的文本的N-gram特征也加进去参与运算。

8.根据权利要求6所述的一种基于记账场景的短文本分类方法，其特征在于，所述输出层采用Hierarchical Softmax分类。

9.一种基于记账场景的短文本分类装置，适用于如权利要求1-8中任一项所述的基于记账场景的短文本分类方法，其特征在于，包括：

数据预处理单元，用于将待分类的记账网银文本进行数据预处理；

文本分类单元，用于将经过数据预处理的文本输入到输入预先建立的FastText分类模型中，预测待分类文本所述的类别并输出。

10.一种终端，其特征在于，包括一个或多个处理器，以及与所述处理器通信连接的存储装置，其中，所述存储装置存储有能被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-8任一项所述的方法。

11.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如权利要求1-8中任一所述的方法。