[发明专利]文本分类方法及装置

权利要求书

1.一种文本分类方法，其特征在于，包括：

获取用于模型训练的文本；

根据预设的文字与数字之间的对应关系确定所述用于模型训练的文本中的每个字对应的数字；

根据所述用于模型训练的文本中的每个字对应的数字、所述用于模型训练的文本中每个字的位置以及所述用于模型训练的文本的分类生成第一格式数据，所述第一格式数据中包括：所述用于模型训练的文本的分类编号、所述用于模型训练的文本中每个字的位置序号以及所述用于模型训练的文本中的每个字对应的数字；

将所述第一格式数据作为训练数据采用预设的机器学习算法训练出文本分类模型，以根据训练好的文本分类模型进行文本分类；

所述将所述第一格式数据作为训练数据采用预设的机器学习算法训练出文本分类模型，包括：

将所述第一格式数据作为训练数据采用LightGBM算法训练出文本分类模型，其中，在训练文本分类模型时将所述第一格式数据中的待分类的文本中的每个字对应的数字设置为分类型变量。

2.根据权利要求1所述的文本分类方法，其特征在于，还包括：

获取待分类的文本；

根据所述文字与数字之间的对应关系确定所述待分类的文本中的每个字对应的数字；

根据所述待分类的文本中的每个字对应的数字、所述待分类的文本中每个字的位置生成第二格式数据；

将所述第二格式数据输入到训练好的文本分类模型中，得到所述待分类的文本的分类。

3.根据权利要求2所述的文本分类方法，其特征在于，所述第二格式数据中包括：所述待分类的文本中每个字的位置序号以及所述待分类的文本中的每个字对应的数字。

4.一种文本分类装置，其特征在于，包括：

训练文本获取单元，用于获取用于模型训练的文本；

数据字典单元，用于根据预设的文字与数字之间的对应关系确定所述用于模型训练的文本中的每个字对应的数字；

第一格式数据生成单元，用于根据所述用于模型训练的文本中的每个字对应的数字、所述用于模型训练的文本中每个字的位置以及所述用于模型训练的文本的分类生成第一格式数据，所述第一格式数据中包括：所述用于模型训练的文本的分类编号、所述用于模型训练的文本中每个字的位置序号以及所述用于模型训练的文本中的每个字对应的数字；

模型训练单元，用于将所述第一格式数据作为训练数据采用预设的机器学习算法训练出文本分类模型，以根据训练好的文本分类模型进行文本分类；

所述模型训练单元，具体用于将所述第一格式数据作为训练数据采用LightGBM算法训练出文本分类模型，其中，在训练文本分类模型时将所述第一格式数据中的待分类的文本中的每个字对应的数字设置为分类型变量。

5.根据权利要求4所述的文本分类装置，其特征在于，还包括：

待分类文本获取单元，用于获取待分类的文本；

所述数据字典单元，还用于根据所述文字与数字之间的对应关系确定所述待分类的文本中的每个字对应的数字；

第二格式数据生成单元，用于根据所述待分类的文本中的每个字对应的数字、所述待分类的文本中每个字的位置生成第二格式数据；

文本分类单元，用于将所述第二格式数据输入到训练好的文本分类模型中，得到所述待分类的文本的分类。

6.根据权利要求5所述的文本分类装置，其特征在于，所述第二格式数据中包括：所述待分类的文本中每个字的位置序号以及所述待分类的文本中的每个字对应的数字。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3任一项所述的方法。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序在计算机处理器中执行时实现如权利要求1至3任意一项所述的方法。