[发明专利]语料分类方法、模型训练方法及装置

说明书

本公开提供了语料分类方法、模型训练方法及装置，涉及人工智能技术领域，尤其涉及语音技术领域。具体实现方案为：针对各个文本，确定文本对应的文本向量；将针对多个文本确定出的多个文本向量进行聚类，得到多个文本向量类簇，每个文本向量类簇包含至少一个文本向量；根据多个文本向量类簇、以及各个文本与文本向量的对应关系，确定多个文本类簇，每个文本类簇包含至少一个文本。本公开能够提高对语料分类的准确性。

技术领域

本公开涉及人工智能技术领域，尤其涉及语音技术领域，具体涉及一种预料分类方法、模型训练方法及装置。

背景技术

语料(Corpus)，通常是指一定数量和规模的文本资源集合。语料规模可大可小，大至千万，甚至数亿句或更大，小至几百句。语料库指经科学取样和加工的大规模电子文本库，其中存放的是在语言的实际使用中真实出现过的语言材料。互联网本身就是一个巨大庞杂的语料库，常见的语料库如百科语料库、新闻语料库等。语料对于自然语言处理(Nature Language processing，NLP)等人工智能(Artificial Intelligence，AI)技术的发展有重要作用。语料库中存在大量未经处理的原始语料，如何对这些原始语料进行分类和/或标注处理，得到处理后的更有使用价值的语料，是目前存在的问题。

发明内容

本公开提供了一种语料分类方法、模型训练方法、装置、电子设备以及存储介质。

根据本公开的一方面，提供了一种语料分类方法，该语料包括多个文本，该方法包括：

针对各个所述文本，确定所述文本对应的文本向量；

将针对所述多个文本确定出的多个文本向量进行聚类，得到多个文本向量类簇，每个所述文本向量类簇包含至少一个所述文本向量；

根据所述多个文本向量类簇、以及各个所述文本与所述文本向量的对应关系，确定多个文本类簇，每个所述文本类簇包含至少一个所述文本。

根据本公开的另一方面，提供了一种模型训练方法，该方法包括：

获取用户输入的文本，将所述文本作为样本文件；

确定输入所述样本文件的用户的信息；

根据所述用户的信息确定所述样本文件的标签；

采用所述样本文件及所述样本文件的标签训练模型。

根据本公开的另一方面，提供了一种语料分类装置，该语料包括多个文本，该装置包括：

文本向量确定模块，用于针对各个所述文本，确定所述文本对应的文本向量；

聚类模块，用于将针对所述多个文本确定出的多个文本向量进行聚类，得到多个文本向量类簇，每个所述文本向量类簇包含至少一个所述文本向量；

文本类簇确定模块，用于根据所述多个文本向量类簇、以及各个所述文本与所述文本向量的对应关系，确定多个文本类簇，每个所述文本类簇包含至少一个所述文本。

根据本公开的另一方面，提供了一种模型训练装置，该装置包括：

获取模块，用于获取用户输入的文本，将所述文本作为样本文件；

标识确定模块，用于确定输入所述样本文件的用户的信息；

标签确定模块，用于根据所述用户的信息确定所述样本文件的标签；

训练模块，用于采用所述样本文件及所述样本文件的标签训练模型。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，