[发明专利]一种文本数据分析方法、装置、服务器和存储介质

说明书

本发明公开了一种文本数据分析方法、装置、服务器和存储介质，该方法包括：对预先确定的主题词进行扩展，确定主题词向量；根据所述主题词向量确定训练文本特征向量；根据所述主题词向量将待测试文本转换为测试文本特征向量；根据所述训练文本特征向量和测试文本特征向量对所述待测试文本进行分类。本发明实现了通过构建完备的主题词向量对训练文本特征向量和测试文本特征向量进行确定，并根据完备的主题词向量确定的特征向量对待测试文本进行分类，提高文本分类的准确度。

技术领域

本发明涉及智能信息处理技术领域，尤其涉及一种文本数据分析方法、装置、服务器和存储介质。

背景技术

随着互联网技术的快速发展，大部分的信息都是以文本的形式进行存储和展现。因此，为了便于信息的存储、管理和查询，对文本数据进行分类显得尤为重要。

目前对于文本分类的文本数据分析方法主要有两大类，即基于链接分析的方法和基于内容分析的方法。基于链接分析的方法主要是通过文档页面间的链接关系来直接或者间接的做出评价，这种方法适用范围广但准确率不高。而基于内容的方法是在确定分类的主题词后，利用待分析文本数据本身的内容特征与主题词之间的相似度对文本进行分类，相比于基于链接分析的方法，其识别的准确率较高。

然而，通常情况下，能够反映某一主题词含义的词汇很多，通过人为确定主题词向量的方式极易导致表述主题词的词汇不够全面。因此在主题词向量不完备的情况下，会降低文本内容特征与主题词之间的相似度，从而大大降低文本分类的准确度。

发明内容

本发明实施例提供了一种文本数据分析方法、装置、服务器和存储介质，能够构建完备的主题词向量，提高分类的准确度。

第一方面，本发明实施例提供了一种文本数据分析方法，包括：

对预先确定的主题词进行扩展，确定主题词向量；

根据所述主题词向量确定训练文本特征向量；

根据所述主题词向量将待测试文本转换为测试文本特征向量；

根据所述训练文本特征向量和测试文本特征向量对所述待测试文本进行分类。

第二方面，本发明实施例提供了一种文本数据分析装置，包括：

主题词向量确定模块，用于对预先确定的主题词进行扩展，确定主题词向量；

训练文本特征向量确定模块，用于根据所述主题词向量确定训练文本特征向量；

测试文本特征向量确定模块，用于根据所述主题词向量将待测试文本转换为测试文本特征向量；

分类模块，用于根据所述训练文本特征向量和测试文本特征向量对所述待测试文本进行分类。

第三方面，本发明实施例提供了一种服务器，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的文本数据分析方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的文本数据分析方法。

本发明通过对预先确定的主题词进行扩展，得到能够反映主题词含义的多个相关词汇，将主题词及其多个相关词汇构建完备的主题词向量，并利用主题词向量确定训练文本特征向量以及测试文本特征向量，以此利用训练文本特征向量对待测试文本进行分类。实现了通过构建完备的主题词向量对训练文本特征向量和测试文本特征向量进行确定，并根据完备的主题词向量确定的特征向量对待测试文本进行分类，提高文本分类的准确度。