[发明专利]一种文本分类方法、装置和设备

说明书

本说明书实施例提供了一种文本分类方法、装置和设备，涉及人工智能技术领域，其中，该方法包括：获取待分类文本；对所述待分类文本进行预处理，得到目标词向量；根据所述目标词向量和多个分类模型，确定各个分类模型对应的分类结果；其中，所述多个分类模型为分别利用TextCNN、GRU、RNN、RCNN、Attention‑GRU预先训练得到的用于进行文本分类的机器学习模型；对所述各个分类模型对应的分类结果进行概率等权重融合，得到所述待分类文本的类别。在本说明书实施例中，通过多模型进行融合的方式可以有效提高分类结果的准确性。

技术领域

本说明书实施例涉及人工智能技术领域，特别涉及一种文本分类方法、装置和设备。

背景技术

自然语言处理一直是人工智能领域的重要话题，利用自然语言处理技术可以实现文档自动解析、关键信息提取、文本分类审核、文本智能纠错等一定基础性的文字处理工作，并在各行各业得到充分的应用，但是人类语言的复杂性也给自然语言处理带来了重重困难。其中，长文本的智能解析就颇具挑战性，从纷繁多变、信息量胖砸的冗长文本中提取关键信息，一直是文本领域的难题。

现有技术中，通常是对文本进行分词后利用单一的模型识别文本的类别，该方式对简短的文本具有一定的效果，但是无法有效地从纷繁多变、信息量繁杂的冗长文本中提取关键信息，以深入分析文本内在结构和语义信息从而确定文本类别。由此可见，采用现有技术中的技术方案无法准确地对冗长文本进行分类。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本说明书实施例提供了一种文本分类方法、装置和设备，以解决现有技术中无法准确地对冗长文本进行分类的问题。

本说明书实施例提供了一种文本分类方法，包括：获取待分类文本；对所述待分类文本进行预处理，得到目标词向量；根据所述目标词向量和多个分类模型，确定各个分类模型对应的分类结果；其中，所述多个分类模型为分别利用TextCNN、GRU、RNN、RCNN、Attention-GRU预先训练得到的用于进行文本分类的机器学习模型；对所述各个分类模型对应的分类结果进行概率等权重融合，得到所述待分类文本的类别。

本说明书实施例还提供了一种文本分类装置，包括：获取模块，用于获取待分类文本；预处理模块，用于对所述待分类文本进行预处理，得到目标词向量；确定模块，用于根据所述目标词向量和多个分类模型，确定各个分类模型对应的分类结果；其中，所述多个分类模型为分别利用TextCNN、GRU、RNN、RCNN、Attention-GRU预先训练得到的用于进行文本分类的机器学习模型；融合模块，用于对所述各个分类模型对应的分类结果进行概率等权重融合，得到所述待分类文本的类别。

本说明书实施例还提供了一种文本分类设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现本说明书实施例中任意一个方法实施例的步骤。

本说明书实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现本说明书实施例中任意一个方法实施例的步骤。

本说明书实施例提供了一种文本分类方法，可以通过对获取的待分类文本进行预处理，得到目标词向量，并根据所述目标词向量和多个分类模型，确定各个分类模型对应的分类结果，其中，上述多个分类模型可以为分别利用TextCNN、GRU、RNN、RCNN、Attention-GRU预先训练得到的用于进行文本分类的机器学习模型。进一步的由于每个分类模型输出的分类结果均会存在差异，因此，为了提高分类结果的准确性，可以对各个分类模型对应的分类结果进行概率等权重融合，从而可以得到融合后的分类结果，进而可以确定出待分类文本的类别。通过多模型进行融合的方式可以有效提高分类结果的准确性，并有效解决单一模型深度复杂化，无法从冗长文本中提取关键信息以提高文本分类准确性的问题。

附图说明