[发明专利]文本分类方法、装置、设备以及存储介质有效
| 申请号： | 201810729166.5 | 申请日： | 2018-07-05 |
| 公开（公告）号： | CN108875072B | 公开（公告）日： | 2022-01-14 |
| 发明（设计）人： | 陈立;杨俊;王珵 | 申请（专利权）人： | 第四范式（北京）技术有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06N20/00;G06K9/62;G06F40/289 |
| 代理公司： | 北京展翼知识产权代理事务所(特殊普通合伙) 11452 | 代理人： | 王明远 |
| 地址： | 100085 北京市海淀区上*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种文本分类方法、装置、设备以及存储介质。通过无监督机器学习方式学习第一文本集中的第一文本的各个单字和/或连续多字的分布表征；针对第二文本集中至少部分第二文本中的每个第二文本，基于学习到的第一文本集中对应单字和/或连续多字的分布表征，得到该第二文本中各个单字和/或连续多字的分布表征；至少以第二文本中各个单字和/或连续多字的分布表征为训练样本特征，以该第二文本的真实类别为训练样本标记，使用有监督机器学习方式进行训练，以得到分类模型；以及利用分类模型对第一文本的类别进行预测。由此，本发明可以实现在第一文本集中的第一文本缺少标注数据的情况下，对第一文本进行有效分类。 | ||
| 搜索关键词： | 文本 分类 方法 装置 设备 以及 存储 介质 | ||
【主权项】：
1.一种文本分类方法，其特征在于，包括：通过无监督机器学习方式学习第一文本集中的第一文本的各个单字和/或连续多字的分布表征；针对第二文本集中至少部分第二文本中的每个第二文本，基于学习到的所述第一文本集中对应单字和/或连续多字的分布表征，得到该第二文本中各个单字和/或连续多字的分布表征；至少以所述第二文本中各个单字和/或连续多字的分布表征为训练样本特征，以该第二文本的真实类别为训练样本标记，使用有监督机器学习方式进行训练，以得到分类模型；以及利用分类模型对所述第一文本的类别进行预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于第四范式（北京）技术有限公司，未经第四范式（北京）技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810729166.5/，转载请声明来源钻瓜专利网。
