[发明专利]一种文本分类方法以及装置

说明书

本申请提供了一种文本分类方法以及装置，其中，该方法包括：获取待分类文本，确定样本词汇集中每个样本词汇出现在待分类文本中的次数；根据多个文本分类子模型分别使用的样本词汇，将样本词汇分成多个分组；其中，每个分组对应一个文本分类子模型，不同分组中的样本词汇不完全相同；将每个分组中的样本词汇在待分类文本中出现的次数，输入至与各个分组分别对应的文本分类子模型中，得到各个分组对应的子分类结果；基于各个分组对应的子分类结果，确定待分类文本的分类结果。本申请实施例在对文本进行分类时，具有更高的分类精度，满足较高精度的分类需求，进而基于该分类结果进行后续处理时，效率更高。

技术领域

本申请涉及人工智能技术领域，具体而言，涉及一种文本分类方法以及装置。

背景技术

文本分类在很多领域有着重要应用。例如对新闻文本进行分类，能够将不同类型新闻对应的新闻文本区分开，有利于关注新闻文本的提取、新闻文本的快速编排等；对软件产品测试过程中生成的问题工单文本进行分类，能够快速识别问题工单对应的问题，并及时作出响应。

当前的文本分类方法主要有两种：频次法以及词频-逆文本频率指数(TermFrequency–Inverse Document Frequency，DF-IDF)法。频次法和DF-IDF算法都属于特征提取法。

其中，频次法的分类结果容易受到词汇出现频率的影响。DF-IDF法虽然弱化了词汇出现频次对分类结果造成的影响，但分类精度低，无法满足较高精度的分类需求，从而不利于文本的进一步处理。

发明内容

有鉴于此，本申请实施例的目的在于提供一种文本分类方法以及装置，具有更高的分类精度，满足较高精度的分类需求，进而基于该分类结果进行后续处理时，效率更高。

第一方面，本申请实施例提供了一种文本分类方法，包括：

获取待分类文本，确定样本词汇集中每个样本词汇出现在所述待分类文本中的次数；所述样本词汇集中的样本词汇为基于文本分类子模型进行文本分类所使用的样本词汇；

根据多个文本分类子模型分别使用的样本词汇，将所述样本词汇分成多个分组；其中，每个分组对应一个文本分类子模型，不同分组中的样本词汇不完全相同；

将每个分组中的样本词汇在所述待分类文本中出现的次数，输入至与各个分组分别对应的文本分类子模型中，得到各个分组对应的子分类结果；

基于各个分组对应的子分类结果，确定所述待分类文本的分类结果。

第二方面，本申请实施例提供一种文本分类装置，该装置包括：

获取模块，用于获取待分类文本，确定样本词汇集中每个样本词汇出现在所述待分类文本中的次数；所述样本词汇集中的词汇为基于文本分类子模型进行文本分类所使用的样本词汇；

分组模块，用于根据多个文本分类子模型分别使用的样本词汇，将所述样本词汇分成多个分组；其中，每个分组对应一个文本分类子模型，不同分组中的样本词汇不完全相同；

分类模块，用于将每个分组中的样本词汇在所述待分类文本中出现的次数，输入至与各个分组分别对应的文本分类子模型中，得到各个分组对应的子分类结果；基于各个分组对应的子分类结果，确定所述待分类文本的分类结果。

本申请实施例通过获取待分类文本中各个样本词汇在待分类文本中出现的次数，并根据多个文本分类子模型分别使用的样本词汇，将样本词汇分成多个分组，然后将每个分组中的样本词汇在待分类文本中出现的次数，输入至与各个分组分别对应的文本分类子模型中，得到与每个分组对应的自分类结果，并基于各个分组对应的自分类结果，确定待分类文本的分类结果，具有更高的分类精度，满足较高精度的文本分类需求，进而基于该分类结果进行后续处理时，效率更高。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。