[发明专利]一种文本数据的自动分类方法及系统

权利要求书

1.一种文本数据的自动分类方法，其特征在于，包括以下步骤：

S1、将原始的文本数据输入到Word2Vec工具中，训练得到文本数据对应的词向量；其中，词向量中包括了若干个子向量，每个子向量对应的是文本数据中单独的单词；

S2、将原始的文本数据输入到用于自动分类的深度神经网络模型中，结合步骤S1训练得到文本数据对应的词向量，实现对文本数据的自动分类。

2.根据权利要求1所述的自动分类方法，其特征在于，所述用于自动分类的深度神经网络模型包括四个层次，分别为输入层、词嵌入层、隐含层和输出层，其中，利用所述深度神经网络模型的四个层次，实现文本数据的自动分类的步骤包括：

S21、输入层在接收到文本数据W后，将其输入到嵌入层；

S22、在嵌入层中，结合步骤S1训练得到的文本数据对应的词向量，将输入的文本数据W转换为文本向量X，并将所述文本向量X作为隐含层的输入；

S23、隐含层利用双向长短时记忆网络，提取出文本向量X的文本特征H_t，并将其输入到输出层；

S24、输出层使用Softmax回归算法对文本特征H_t进行处理，从而得到最终的文本分类结果。

3.根据权利要求2所述的自动分类方法，其特征在于，步骤S21中，嵌入层在接收到文本数据W时，首先，通过文本分词算法，将读取到的文本数据W转换为n个独立的单词，其中，每个单词记为w_i，i＝1,2,…,n；其次，在将文本数据W转换为文本向量X时，首先，需在词向量中，获取w_i所对应的词向量x_i；最后，将每个单词的词向量进行合并，进而得到文本向量X，其中，X＝(x₁,x₂,…x_n)。

4.根据权利要求2所述的自动分类方法，其特征在于，隐含层采用的双向长短时记忆网络由包含相同节点数量的前向LSTM网络和后向LSTM网络构成；当隐含层在接收到文本向量X后，将向量X的各个特征向量x_i作为前向LSTM网络中各个节点的输入，对应的所述前向LSTM网络的各个节点的输出，则分别作为后向LSTM网络对应节点的输入；

其中，上述两个网络的数据传输方向相反，即前向LSTM网络最后一个节点的输出作为后向LSTM网络第一个节点的输入，前向LSTM网络第一个节点的输出作为后向LSTM网络最后一个节点的输入，根据双向长短时记忆网络的数据传输方向，取后向LSTM网络第一个节点的输出作为隐含层的输出。

5.根据权利要求4所述的自动分类方法，其特征在于，隐含层中，提取出文本向量X的文本特征H_t的步骤包括：

S231、取前向LSTM网络各节点的输出为：h_f,i＝f(h_f,i-1,x_i)；其中，x_i为输入的文本特征向量，h_f,i-1为第i-1个节点的输出；

取后向LSTM网络各节点的输出为：h_b,i＝f(h_b,i+1,h_f,i)；其中，h_b,i+1为后向LSTM网络第i+1个节点的输出；

S232、取后向LSTM的第一个节点的输出作为隐含层的输出，即H_t＝h_b,1。