[发明专利]一种文本分类方法及装置

权利要求书

1.一种文本分类方法，其特征在于，所述方法包括：

基于主题模型确定文本对应的主题向量；

根据所述文本中包含的至少一个词语，确定所述文本对应的词矢量；

利用所述文本的所述主题向量以及所述词矢量，确定所述文本对应的类别。

2.根据权利要求1所述的方法，其特征在于，所述基于主题模型确定文本对应的主题向量，包括：

针对所述文本进行分词得到至少一个词语，从所述至少一个词语中获取到关键词，基于所述关键词以及所述主题模型确定所述文本对应的主题向量。

3.根据权利要求1所述的方法，其特征在于，所述根据所述文本中包含的至少一个词语，确定所述文本对应的词矢量，包括：

对所述文本进行分词处理得到所述文本中包含的至少一个词语，分别获取到所述至少一个词语的重要性参数，基于所述重要性参数从所述至少一个词语中选取得到至少一个关键词；

获取到所述至少一个关键词之间的相关性，将相关性高于预设门限值的至少两个关键词进行合并处理，得到合并处理后的至少一个关键词；

基于所述合并处理后的至少一个关键词，确定所述文本对应的词矢量。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

获取到至少一个训练样本，针对每一个训练样本进行关键词提取；

基于提取到所述关键词的至少一个训练样本训练得到主题模型；其中，所述主题模型中包括有至少一个主题向量中每一个主题向量所对应的关键词。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

对所述至少一个训练样本中每一个训练样本进行分词处理得到所述训练样本包含的至少一个词语，分别获取到所述至少一个词语的重要性参数，基于所述重要性参数从所述至少一个词语中选取得到至少一个关键词；

获取到所述至少一个关键词之间的相关性，将相关性高于预设门限值的至少两个关键词进行合并处理，得到合并处理后的至少一个关键词；

基于所述合并处理后的至少一个关键词进行词矢量训练。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

将训练样本所对应的主题向量和词矢量进行合并，基于合并后的主题向量以及所述词矢量进行训练，得到训练后的分类器；

相应的，所述利用所述文本的所述主题向量以及所述词矢量确定所述文本对应的类别，包括：

基于所述训练后的分类器，以及所述文本所对应的主题向量以及所述词矢量确定所述文本对应的类别。

7.一种文本分类装置，其特征在于，所述装置包括：

主题向量处理单元，用于基于主题模型确定文本对应的主题向量；

词矢量处理单元，用于根据所述文本中包含的至少一个词语，确定所述文本对应的词矢量；

分类单元，用于利用所述文本的所述主题向量以及所述词矢量确定所述文本对应的类别。

8.根据权利要求7所述的装置，其特征在于，所述主题向量处理单元，用于针对所述文本进行分词得到至少一个词语，从所述至少一个词语中获取到关键词，基于所述关键词以及所述主题模型确定所述文本对应的主题向量。

9.根据权利要求7所述的装置，其特征在于，所述词矢量处理单元，用于对所述文本进行分词处理得到所述文本中包含的至少一个词语，分别获取到所述至少一个词语的重要性参数，基于所述重要性参数从所述至少一个词语中选取得到至少一个关键词；

获取到所述至少一个关键词之间的相关性，将相关性高于预设门限值的至少两个关键词进行合并处理，得到合并处理后的至少一个关键词；

基于所述合并处理后的至少一个关键词，确定所述文本对应的词矢量。