[发明专利]一种基于字符标签的文本分类方法及装置

说明书

本文涉及金融科技领域，尤其涉及一种基于字符标签的文本分类方法及装置。该方法包括获取文本的字符序列及预定义的标签序列；根据所述字符序列的向量表示、所述标签序列的向量表示，确定所述字符序列中各字符的重要度，所述重要度为各字符对于所述标签序列中所有标签的重要度；将所述字符序列中的字符输入至预先建立的文本分类模型中，输出得到所述字符预测标签；根据所述字符的重要度及所述字符预测标签，确定文本预测标签；根据所述文本预测标签与所述预定义的标签序列中各标签的相似度，确定文本最终标签。本方案对字符在预测标签时进行了重要性区分，并构建了标签和字符特征之间的关联关系，准确进行信息推荐，帮助用户及时合理地做出决策。

技术领域

本文涉及金融科技领域，尤其是一种基于字符标签的文本分类方法及装置。

背景技术

在信息化产业日益发展的今天，金融信息已成为人们高效获取市场情报的主要途径。然而随着互联网的快速发展，信息量呈爆炸式增长，通常情况下，单条信息通常包含多个标签，如何准确地对信息进行分类，用以精确推荐和辅助决策，成为一个亟待解决的问题。

现有技术中常用的金融信息多标签分类的办法是将多标签分类问题转化为多个二分类问题(即，二元关联方法)。该方法每次针对一个标签类别开展，即每次判断样本是否属于某个类别，分多次判断之后进行整合得到结果，实际情况下多个二分类问题并不是相互独立的，它们之间往往存在一定的联系，但二元关联方法忽略了标签和文本特征之间的联系及标签之间的依赖关系，因此使用二元关联法独立地处理每个问题会导致分类不够准确。

针对目前技术存在的忽略标签与文本之间及标签之间的联系的问题，需要一种基于字符标签的文本分类方法及装置。

发明内容

为解决上述现有技术的问题，本文实施例提供了一种基于字符标签的文本分类方法。

本文实施例提供了一种基于字符标签的文本分类方法，包括：获取文本的字符序列及预定义的标签序列；根据所述字符序列的向量表示、所述标签序列的向量表示，确定所述字符序列中各字符的重要度，所述重要度为各字符对于所述标签序列中所有标签的重要度；将所述字符序列中的字符输入至预先建立的文本分类模型中，输出得到所述字符预测标签；根据所述字符的重要度及所述字符预测标签，确定文本预测标签；根据所述文本预测标签与所述预定义的标签序列中各标签的相似度，确定文本最终标签。

根据本文实施例的一个方面，所述确定所述字符序列中各字符的重要度包括：根据所述字符序列中的各字符与所述标签序列中的所有标签的相似度，确定各字符对于所有标签的重要度，所述各字符对于所有标签的重要度为绝对重要度。

根据本文实施例的一个方面，所述确定所述字符序列中各字符的重要度还包括：根据所述绝对重要度，确定文本的字符序列中所有字符的绝对重要度之和；根据所述绝对重要度及所有字符的绝对重要度之和的比值，确定各字符对于所有标签的重要度。

根据本文实施例的一个方面，所述文本分类模型的构建过程方法包括：获取预先构建的标签模型中的模型参数；利用非线性激活函数及所述标签预测模型中模型的参数，确定文本分类模型。

根据本文实施例的一个方面，所述标签预测模型的训练过程包括：获取训练样本数据，所述训练样本数据包括字符序列样本及预定义的标签序列样本；利用参数矩阵，将所述字符序列样本及所述标签序列样本的维度投影到高纬空间，得到字符序列样本中各字符样本的高纬向量及标签序列样本中各标签样本的高纬向量；构建初始标签预测模型，所述初始标签预测模型由如下公式表示：p_ij＝sigmoid([h′_i；b′_j]))，其中，p_ij表示初始预测得到的标签，h_i′表示第i个字符样本的高纬向量，b_j′表示第j个标签样本的高纬向量；构建初始标签预测模型的损失函数；根据所述训练样本数据输入至所述初始标签预测模型得到的输出及所述损失函数，训练所述初始标签预测模型，得到所述标签预测模型。