[发明专利]分类模型训练方法、文本挖掘方法、设备及存储介质

权利要求书

1.一种分类模型训练方法，其特征在于，所述方法包括：

获取多个对话文本作为训练数据；

依据所述训练数据对分类模型执行训练，得到阶段训练完成的分类模型；

基于所述训练数据确定差异信息，依据所述差异信息判断所述阶段训练完成的分类模型是否符合场景挖掘条件；

若所述差异信息符合场景挖掘条件，则依据所述训练数据和阶段训练完成的分类模型更新训练数据并继续训练；

若所述差异信息不符合场景挖掘条件，则将所述阶段训练完成的分类模型作为训练完成的分类模型；

其中，依据所述训练数据对分类模型执行训练，得到阶段训练完成的分类模型，包括：

对所述训练数据进行聚类分析，确定多个训练类簇；

确定训练类簇对应的场景类别，将所述训练类簇中文本标注为所述场景类别；

采用标注的文本数据训练分类模型，得到阶段训练完成的分类模型。

2.根据权利要求1所述的分类模型训练方法，其特征在于，基于所述训练数据确定差异信息，包括：

对不同场景类别对应训练类簇的文本进行分析，确定差异信息。

3.根据权利要求1所述的分类模型训练方法，其特征在于，所述依据所述训练数据和阶段训练完成的分类模型更新训练数据，包括：

将标注的文本数据输入到阶段训练完成的分类模型中，进行特征提取，得到对应的特征文本；

采用所述特征文本作为训练数据。

4.根据权利要求1所述的分类模型训练方法，其特征在于，所述对所述训练数据进行聚类分析，确定多个训练类簇，包括：

将所述训练数据输入到第一聚类模型中进行第一聚类分析，输出多个训练类簇，其中，所述训练类簇的数量通过所述第一聚类模型预先设定。

5.根据权利要求4所述的分类模型训练方法，其特征在于，所述将所述训练数据输入到第一聚类模型中进行第一聚类分析，输出多个训练类簇，包括：

对所述训练数据进行词语划分，确定出对应的若干个文本分词；

将若干个文本分词分别转换为文本词向量或文本TFIDF值；

将若干个文本词向量或文本TFIDF值输入到第一聚类模型中进行第一聚类分析，输出若干个训练类簇。

6.根据权利要求5所述的分类模型训练方法，其特征在于，所述将若干个文本分词分别转换为文本TFIDF值，包括：

对若干个文本分词进行命名实体识别，确定出若干个文本分词中的目标命名实体，所述目标命名实体至少包括以下其中一种：人名、机构名以及地名；

采用目标关键词对目标命名实体进行替换，并将经过替换后的若干个文本分词分别转换为文本TFIDF值。

7.根据权利要求2所述的分类模型训练方法，其特征在于，所述方法还包括：

提供一展示页面对所述差异信息进行展示，并获取基于所述展示页面的挖掘操作信息；

依据所述挖掘操作信息，确定所述阶段训练完成的分类模型是否符合场景挖掘条件。

8.一种文本挖掘方法，其特征在于，所述方法包括：

接收对话信息，从所述对话信息中获取第一用户的对话文本；

将所述对话文本输入到分类模型中进行分类识别，确定出对应的目标场景类别，所述分类模型通过训练数据执行训练，得到阶段训练完成的分类模型，并基于所述训练数据确定差异信息，判断所述阶段训练完成的分类模型是否符合场景挖掘条件，依据判断结果确定是否更新训练数据继续训练阶段训练完成的分类模型得到；

查询所述目标场景类别对应的目标回复文本；

采用所述目标回复文本作为第二用户的对话文本，反馈所述第一用户的对话文本。

9.一种电子设备，包括：

一个或多个处理器；

存储器；

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行权利要求1-8中任一所述的方法。

10.一种计算机可读存储介质，存储与电子设备结合使用的计算机程序，所述计算机程序可被处理器执行以完成权利要求1-8中任一所述的方法。