[发明专利]文本分类方法以及装置

权利要求书

1.一种文本分类方法，其特征在于，包括：

从分类标签结构体系中提取多个分类标签，所述分类标签结构体系包括多个层级结构，所述层级结构包括多个标签节点，所述分类标签包括从各所述层级结构中提取的标签节点；

计算待分类文本分别与各所述分类标签对应的文本集之间的相似度，确定候选集，所述候选集包括多个候选标签；

利用各所述层级结构对应的文本集，训练各所述层级结构对应的分类模型；

利用各所述层级结构对应的分类模型，结合计算得到的相似度，预测所述待分类文本分别属于各所述候选标签的分数；

将所述分数满足预设条件的候选标签，作为所述待分类文本的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述计算待分类文本分别与各所述分类标签对应的文本集之间的相似度，确定候选集，包括：

针对所述分类标签c_l，根据所述分类标签c_l对应的文本集构建对应的特征向量D_l，D_l＝(k₁，w₁；k₂，w₂；…；k_n，w_n)，其中，k_n为所述分类标签c_l对应的文本集中的特征词，w_n为特征词k_n在所述分类标签c_l中的权重；

根据所述待分类文本d_j构建对应的特征向量D_j，D_j＝(k′₁，w′₁；k′₂，w′₂；…；k′_n，w′_n)，其中，k′_n为待分类文本d_j的特征词，w′_n为特征词k′_n在D_j中的权重；

计算特征向量D_l和特征向量D_j之间的相似度：

其中，n为特征向量的维度，w_k为D_l的第k维权重，w′_k为D_j的第k维权重；

在计算得到的多个相似度中，选择相似度大于阈值的分类标签作为所述候选标签c_i。

3.根据权利要求2所述的方法，其特征在于，所述利用各所述层级结构对应的分类模型，结合计算得到的相似度，预测所述待分类文本分别属于各所述候选标签的分数，包括：

利用各所述层级结构对应的分类模型，预测所述待分类文本d_j属于所述候选标签c_i的第一概率值s₂(d_j，c_i)(i＝1，2，…，k)。

4.根据权利要求3所述的方法，其特征在于，所述利用各所述层级结构对应的分类模型，结合计算得到的相似度，预测所述待分类文本分别属于各所述候选标签的分数，包括：

利用各所述层级结构对应的分类模型，预测所述待分类文本d_j属于所述候选标签c_i中所有上层标签节点的概率值，得到第二概率值s₂(d_j，c_ia)：

其中，n是所述候选标签c_i中所有上层标签节点的数目，c_ia是所述候选标签c_i中所有上层标签节点的集合，是所述候选标签c_i中向上回溯m(m＝1，2，…，n)层的标签节点，是所述候选标签c_i中向上回溯t(t＝1，2，…，n)层的标签节点，是所在层级的分类模型对d_j的分类结果，是所在层级的分类模型对d_j的分类结果，a_m(m＝1，2，…，n)是权重系数。