[发明专利]分类模型确定方法、装置、设备及存储介质

说明书

本申请提供的一种分类模型确定方法、装置、设备及存储介质，通过获取至少两个类别以及类别下的文本数据信息，得到原始训练集文本数据信息；对原始训练集文本数据信息进行特征处理，得到待添加的特征向量；其中，待添加的特征向量表征原始训练集文本数据信息的特征；将待添加的特征向量添加至基准分类模型中，得到校准分类模型；其中，基准分类模型是由原始训练集文本数据信息训练得到的。采用本技术方案，能够提升文本分类的精准度。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种分类模型确定方法、装置、设备及存储介质。

背景技术

文本分类是指对给出的文本给出一个或者多个类别标号，对文本进行比较准确或者高效地分类，文本分类常用于数据管理任务中，对于文本进行分类，可以使用户方便地浏览文本，并且可以通过文本类别来查询所需的文本。

但是，目前的文本分类采用的算法会出现分类精准度比较低的情况，因此，亟需一种文本分类算法，能够提升文本分类的精准度。

发明内容

本申请提供一种分类模型确定方法、装置、设备及存储介质，能够提升文本分类的精准度。

第一方面，本申请提供一种分类模型确定方法，包括：

获取至少两个类别以及所述类别下的文本数据信息，得到原始训练集文本数据信息；

对所述原始训练集文本数据信息进行特征处理，得到待添加的特征向量；其中，所述待添加的特征向量表征所述原始训练集文本数据信息的特征；

将所述待添加的特征向量添加至基准分类模型中，得到校准分类模型；其中，所述基准分类模型是由所述原始训练集文本数据信息训练得到的。

在一个示例中，对所述原始训练集文本数据信息进行特征处理，得到待添加的特征向量；其中，所述待添加的特征向量表征所述原始训练集文本数据信息的特征，包括：

对所述原始训练集文本数据信息进行文本预处理，得到文本预处理后的文本数据信息；

将文本预处理后的文本数据信息，提取至少两个特征向量，并将提取到的所述至少两个特征向量进行维度归一化处理，得到所述待添加的特征向量。

在一个示例中，将提取到的所述至少两个特征向量进行维度归一化处理，得到所述待添加的特征向量，包括：

将提取到的所述至少两个特征向量输入至前馈层，通过所述前馈层对所述至少两个特征向量进行维度归一化处理，得到所述待添加的特征向量。

在一个示例中，所述方法还包括：

将所述原始训练集文本数据信息输入至所述校准分类模型中，通过所述分类校准模型输出每一个类别的调和平均值；

根据所述每一个类别的调和平均值，确定调和平均值的均值；其中，所述调和平均值的均值用于表征所述校准分类模型的准确度。

在一个示例中，通过所述分类校准模型输出每一个类别的调和平均值，包括：

通过所述分类校准模型输出每一个类别下的统计值；

根据所述统计值，确定每一个类别下的查准率和召回率；

根据所述查准率和所述召回率，确定每一个类别的调和平均值。

第二方面，本申请提供一种分类模型确定装置，包括：

获取单元，用于获取至少两个类别以及所述类别下的文本数据信息，得到原始训练集文本数据信息；

处理单元，用于对所述原始训练集文本数据信息进行特征处理，得到待添加的特征向量；其中，所述待添加的特征向量表征所述原始训练集文本数据信息的特征；