[发明专利]一种分类识别方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种分类识别方法，应用于分类模型，所述分类模型包括文本向量化模块和分类向量化模块，其特征在于，所述方法包括：

对新类别数据进行预测，得到各新类别数据的预测结果的预测向量；

确定待识别文本数据；

将所述待识别文本数据通过所述文本向量化模块转换为文本向量；

通过所述分类向量化模块，确定所述文本向量的分类向量；

基于各新类别数据的预测向量和所述分类模型中原始数据的预设分类向量，确定与所述分类向量相似的预设数量的第一文本向量组；

基于所述分类向量和所述第一文本向量组确定目标向量；

确定所述目标向量的分类信息作为所述待识别文本数据的分类信息，并输出。

2.根据权利要求1所述的方法，其特征在于，所述基于各新类别数据的预测向量和所述分类模型中原始数据的预设分类向量，确定与所述分类向量相似的预设数量的第一文本向量组的步骤，包括：

计算所述分类向量与所述分类模型中各预设分类向量和预测向量的余弦夹角的余弦值；

将各所述余弦值从大到小排序；

获取预设数量的排序在前的余弦值对应多个预设分类向量，作为第一文本向量组。

3.根据权利要求1所述的方法，其特征在于，所述基于各新类别数据的预测向量和所述分类模型中原始数据的预设分类向量，确定与所述分类向量相似的预设数量的第一文本向量组的步骤，包括：

基于检索算法，计算所述分类向量与所述分类模型中各预设分类向量和各预测向量的相似度；

将各所述相似度从大到小排序；

获取预设数量的排序在前的相似度对应多个预设分类向量，作为第一文本向量组。

4.根据权利要求1所述的方法，其特征在于，所述分类模型还包括交叉组合模块，所述基于所述分类向量和所述第一文本向量组确定目标向量的步骤，包括：

将所述第一文本向量组和所述分类向量作为所述交叉组合模块的输入；

通过所述交叉组合模块，输出多个概率值；

获取多个概率值中的最大概率值；

确定所述最大概率值对应的第一文本向量作为目标向量。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取文本样本集；

基于所述文本样本集对所述分类模型进行训练。

6.根据权利要求5所述的方法，其特征在于，所述基于所述文本样本集对所述分类模型进行训练的步骤，包括：

将所述文本样本集中各文本数据输入至文本向量转化模块转化为第二文本向量；

将各所述第二文本向量输入至分类向量化模块，得到各第二文本向量的预测分类向量；

计算各预测分类向量与标注分类向量的分类损失；

计算各第二文本向量之间的对比损失；

将每两个所述第二文本向量拼接为多个第三文本向量；

计算各所述第三文本向量的匹配损失；

基于所述分类损失、对比损失以及匹配损失，得到更新后的分类模型；

返回执行所述计算各预测分类向量与标注分类向量的分类损失至所述计算各所述第三文本向量的匹配损失的步骤，直到所述分类损失、对比损失以及匹配损失收敛。

7.根据权利要求6所述的方法，其特征在于，所述基于所述分类损失、对比损失以及匹配损失，得到更新后的分类模型的步骤，包括：

基于所述分类损失、对比损失以及匹配损失，计算得到目标损失；

所述返回执行所述计算各预测分类向量与标注分类向量的分类损失至所述计算各所述第三文本向量的匹配损失的步骤，直到所述分类损失、对比损失以及匹配损失收敛的步骤，包括：

返回执行所述计算各预测分类向量与标注分类向量的分类损失至所述计算各所述第三文本向量的匹配损失的步骤，直到所述目标损失收敛。