[发明专利]一种文本分类方法、装置、计算机设备及存储介质

权利要求书

1.一种基于词嵌入向量技术的文本分类方法，其特征在于，包括下述步骤：

接收用户终端发送的文本分类请求，所述文本分类请求至少携带有原始文本数据；

响应所述文本分类请求，对所述原始文本数据进行映射操作，获取单元向量数据；

对所述单元向量数据进行最值操作，获取最值向量数据，所述最值向量数据包括最大值向量数据以及最小值向量数据；

对所述单元向量数据以及最值向量数据进行拼接操作，获取目标文本向量；

将所述目标文本向量输入至预设的概率分布模型，获取概率预测结果；

向所述用户终端输出所述概率预测结果。

2.如权利要求1所述的基于词嵌入向量技术的文本分类方法，其特征在于，所述对所述原始文本数据进行映射操作，获取单元向量数据的步骤，具体包括如下步骤：

将所述原始文本数据进行分词操作，获取单元文本数据；

将所述单元文本数据导入Embedding嵌入层以及汉语语言模型，获取所述单元向量数据，所述单元向量数据至少携带有语义向量以及词序信息。

3.如权利要求2所述的基于词嵌入向量技术的文本分类方法，其特征在于，所述将所述单元文本数据导入Embedding嵌入层以及汉语语言模型，获取所述单元向量数据的步骤之后，还包括如下步骤：

基于散列法对所述汉语语言模型进行减存操作。

4.如权利要求1所述的基于词嵌入向量技术的文本分类方法，其特征在于，所述概率分布模型基于归一化指数函数进行计算，并通过构建霍夫曼编码树进行加速运算。

5.如权利要求4所述的基于词嵌入向量技术的文本分类方法，其特征在于，所述将所述目标文本向量输入至预设的概率分布模型，获取概率预测结果的步骤之后，还包括如下步骤：

基于交叉熵损失函数对所述概率预测结果进行优化操作，获取概率优化结果；

向所述用户终端输出所述概率优化结果。

6.如权利要求5所述的基于词嵌入向量技术的文本分类方法，其特征在于，所述交叉熵损失函数包括L2正则项。

7.一种基于词嵌入向量技术的文本分类装置，其特征在于，包括：

请求接收模块，用于接收用户终端发送的文本分类请求，所述文本分类请求至少携带有原始文本数据；

文本映射模块，用于响应所述文本分类请求，对所述原始文本数据进行映射操作，获取单元向量数据；

向量最值模块，用于对所述单元向量数据进行最值操作，获取最值向量数据，所述最值向量数据包括最大值向量数据以及最小值向量数据；

向量拼接模块，用于对所述单元向量数据以及最值向量数据进行拼接操作，获取目标文本向量；

概率预测模块，用于将所述目标文本向量输入至预设的概率分布模型，获取概率预测结果；以及

结果输出模块，用于向所述用户终端输出所述概率预测结果。

8.如权利要求7所述的基于词嵌入向量技术的文本分类装置，其特征在于，所述文本映射模块包括：

文本分词子模块，用于将所述原始文本数据进行分词操作，获取单元文本数据；

文本映射子模块，用于将所述单元文本数据导入Embedding嵌入层以及汉语语言模型，获取所述单元向量数据，所述单元向量数据至少携带有语义向量以及词序信息。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的基于词嵌入向量技术的文本分类方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的基于词嵌入向量技术的文本分类方法的步骤。