[发明专利]一种多价值链问题文本分类方法和装置

说明书

本发明涉及文本分类技术领域，特别是指一种多价值链问题文本分类方法和装置，方法包括：对企业里各业务检索平台中用户检索的问句进行收集与文本类别标签标注，得到多价值链问题文本的数据集；将所述问题文本数据集进行预处理，将预处理后的问题文本数据集划分为训练文本集与测试文本集；对所述训练文本集与所述测试文本集进行词向量提取，基于所述训练文本集，用提取后的词向量与标注的文本类别标签，构建全连接网络图；基于所述全连接网络图，对初始标签图注意力模型进行训练，得到训练完毕的标签图注意力模型；基于所述训练文本集提取的词向量，对初始文本语义抽取模型进行训练，得到训练完毕的文本语义抽取模型；根据训练完毕的文本语义抽取模型，对所述测试文本集进行语义抽取，根据训练完毕的标签图注意力模型，对所述测试文本集进行分类。采用本发明，可以实现多价值链问题文本的智能分类。

技术领域

本发明涉及文本分类技术领域，特别是指一种多价值链问题文本分类方法和装置。

背景技术

在多价值链中各企业协同工作、数据共享平台的不断自我更新下，越来越多的企业建立了自己的知识库，存储了在企业经营、生产、销售等方面重要的知识和经验，而智能问答系统随之被开发，用于企业工作人员对知识库的检索，而企业工人往往倾向于使用自然语言进行查询想要的知识，因此对问句进行分类是在多价值链智能问答系统构建里的重要一环，对于智能问答系统服务有重要的推进作用。

文本分类的核心问题是文本表示与分类模型。传统的文本表示利用词袋原理(Bag-of-Words),将词无序地表示到一个高维的向量空间模型(Vector Space Model)中,丢弃了词序、语法等文本结构信息。传统的机器学习文本分类模型基于分类服从某种概率分布的假设,利用贝叶斯理论获取分类器,但是一旦假设不成立则会影响分类准确率。

发明内容

本发明提供了一种多价值链问题文本分类方法和装置，用以实现多价值链问题文本的智能分类。

所述技术方案如下：

一方面，提供了一种多价值链问题文本分类方法，该方法包括：

S1、对企业里各业务检索平台中用户检索的问句进行收集与文本类别标签标注，得到多价值链问题文本的数据集；

S2、将所述问题文本数据集进行预处理，将预处理后的问题文本数据集划分为训练文本集与测试文本集；

S3、对所述训练文本集与所述测试文本集进行词向量提取，基于所述训练文本集，用提取后的词向量与标注的文本类别标签，构建全连接网络图；

S4、基于所述全连接网络图，对初始标签图注意力模型进行训练，得到训练完毕的标签图注意力模型；

S5、基于所述训练文本集提取的词向量，对初始文本语义抽取模型进行训练，得到训练完毕的文本语义抽取模型；

S6、根据训练完毕的文本语义抽取模型，对所述测试文本集进行语义抽取，根据训练完毕的标签图注意力模型，对所述测试文本集进行分类。

可选地，所述S2中的对所述问题文本数据集进行预处理，包括：

对所述问题文本数据集进行中文分词处理和去掉停用词处理；

其中，所述中文分词处理以及停用词过滤处理包括：

基于预先构建的多价值链文本专家词典对所述文本进行分词，采用大颗粒度词语数目最大化的原则，确定分词结果；其中，所述文本为问题文本数据集；

基于预先构建的多价值链停用词词典对停用词进行过滤，去除噪声字词。

可选地，所述S3中的对预处理后的所述训练文本集与测试文本集进行词向量提取，并基于所述训练文本集，用提取后的词向量与标注的文本类别标签，构建全连接网络图，包括：