[发明专利]文本分类的方法、装置以及计算机可读介质

权利要求书

1.一种文本分类的方法，其特征在于，包括：

获取输入的文本；其中，所述文本由多个句子按照特定的顺序排列构成；

根据所述输入的文本，计算得到文本的特征矩阵；其中，所述文本的特征矩阵包括所述文本中每一个句子的特征向量；

根据所述文本的特征矩阵，计算得到所述文本的第一关联特征矩阵；其中，所述文本的第一关联特征矩阵包括所述文本中每一个句子的第一关联特征向量；所述每一个句子的第一关联特征向量用于说明所述每一个句子与所述文本中的其他句子间的关联性；

根据所述文本的第一关联特征矩阵，计算得到所述文本的分类预测矩阵；其中，所述文本的分类预测矩阵包括所述文本中每一个句子的分类预测向量；所述每一个句子的分类预测向量用于说明所述每一个句子属于每一个预设标签的权重值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述文本的特征矩阵，计算得到所述文本的第一关联特征矩阵，包括：

基于双向循环神经网络模型，根据所述文本的特征矩阵，计算得到所述文本的第一关联特征矩阵。

3.根据权利要求1所述的方法，其特征在于，所述根据所述文本的第一关联特征矩阵，计算得到所述文本的分类预测矩阵，包括：

基于卷积神经网络模型，根据所述文本的第一关联特征矩阵，计算得到所述文本的分类预测矩阵。

4.根据权利要求1所述的方法，其特征在于，所述根据所述输入的文本，计算得到文本的特征矩阵，包括：

根据嵌入矩阵，将所述文本中的每一个句子中的单词转换成相对应的单词向量，得到所述文本中的每一个句子的原始矩阵；其中，所述每一个句子的原始矩阵包括所述每一个句子中的单词对应的单词向量；

基于双向循环神经网络模型，根据所述文本中的每一个句子的原始矩阵，计算得到所述文本中的每一个句子的第二关联特征矩阵；其中，所述每一个句子的第二关联特征矩阵包括所述每一个句子中的单词对应的第二关联特征向量；每一个单词对应的第二关联特征向量用于说明所述每一个单词与句子中的其他单词的关联性；

拼接所述文本中的每一个句子的原始矩阵以及对应的所述第二关联特征矩阵，得到所述文本中的每一个句子的拼接矩阵；

基于卷积神经网络模型，利用多个卷积核对所述文本中的每一个句子的拼接矩阵进行深层特征提取，得到所述文本中的每一个句子对应的多个卷积特征向量；

对所述每一个句子对应的多个卷积特征向量分别进行最大池化操作处理，得到所述每一个句子的特征向量；

按照所述特定的顺序排列，将所述文本中每一个句子的特征向量组成所述文本的特征矩阵。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述根据所述文本的第一关联特征矩阵，计算得到所述文本的分类预测矩阵之后，还包括：

根据所述文本的分类预测矩阵，计算出所述文本中的每一个句子属于每一个预设标签的预测概率。

6.根据权利要求5所述的方法，其特征在于，所述根据所述文本的分类预测矩阵，计算出所述文本中的每一个句子属于每一个预设标签的预测概率之后，还包括：

使用交叉熵作为损失函数，计算所述文本中的每一个句子属于每一个预设标签的预测概率与实际概率间的损失值；

根据所述损失值，调整所述文本分类的方法中使用的模型的参数。