[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

说明书

本发明的实施例提供了一种分类识别方法、装置、电子设备及计算机可读存储介质，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；将待识别文本数据通过文本向量化模块转换为文本向量；通过分类向量化模块，确定文本向量的分类向量；基于各新类别数据的预测向量和分类模型中原始数据的预设分类向量，确定与分类向量相似的预设数量的第一文本向量组；基于分类向量和第一文本向量组确定目标向量；确定目标向量的分类信息作为待识别文本数据的分类信息，并输出。能够在出现新的类别数据时，无需对新类别数据进行训练，即可识别待识别文本数据的新类别。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种分类识别方法、装置、电子设备及计算机可读存储介质。

背景技术

现有技术中的分类模型识别都只能识别训练集中类别数据，如果发生数据的增加、删除或者修改分类类别数据，则必须要重新训练才能准确识别新的分类类别数据，但是对于分类模型的训练需要几个小时甚至更久。

在具体应用中，如在智能客服场景中，由于某些系统问题或者特殊事件，导致之前未见过的问题突发出现，现在有意图分类体系并不能适应此情况，运营人员发现后及时增加一些新的类别标注数据，期望能解决此类问题，但是由于模型训练原因导致一定延迟，如果事件时间较短，可能事件结束后模型才训练成功，此时已无太大的意义了。因此现有技术中的分类模型再未进行训练时，无法对新的类别进行识别。

发明内容

本发明的目的在于提供一种分类识别方法、装置、电子设备及可读存储介质，能够实现对新的类别未训练时，可以识别新分类的效果。

为了实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种分类识别方法，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，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。

在可选的实施方式中，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夹角对应多个预设分类向量，作为第一文本向量组。

在可选的实施方式中，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。

在可选的实施方式中，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：