[发明专利]信息输出方法和装置

权利要求书

1.一种信息输出方法，其特征在于，所述方法包括：

接收客户端发送的信息；

从所述信息中提取出特征向量，其中，所述特征向量用于表征所述信息的内容；

将所述特征向量导入预先训练的信息分类模型进行分类得到所述信息所属的类别，其中，所述信息分类模型基于预先存储的多个未经训练的模型利用所获取的样本数据集合经训练后所确定的模型的准确率而得到，所述准确率基于所确定的权重值而确定，所述权重值包括所述样本数据集合中各类别样本数据的数目与所述样本数据集合所包含的样本数据的总数目的比值；

从所述类别所指示的预存反馈信息集合中匹配出与所述信息相关联的目标反馈信息，并将所述目标反馈信息输出至所述客户端。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括建立信息分类模型的步骤，所述建立信息分类模型的步骤包括:

获取样本数据集合和与所述样本数据集合中的每一个样本数据分别相关联的类别；

对于预先存储的候选信息分类模型中的每一个候选信息分类模型，将所述候选信息分类模型作为待评估候选信息分类模型，基于所述样本数据集合和与所述样本数据集合中的每一个样本数据分别相关联的类别，确定所述待评估候选信息分类模型的准确率，其中，所述预先存储的候选信息分类模型是未经训练的模型；

基于所确定的准确率，在所述预先存储的候选信息分类模型中确定目标信息分类模型；

利用机器学习方法，基于所述样本数据集合和与所述样本数据集合中的每一个样本数据分别相关联的类别，对所述目标信息分类模型进行训练得到信息分类模型。

3.根据权利要求2所述的方法，其特征在于，所述确定所述待评估候选信息分类模型的准确率，包括：

采用交叉验证方法来确定所述待评估候选信息分类模型的准确率。

4.根据权利要求2所述的方法，其特征在于，所述确定所述待评估候选信息分类模型的准确率，包括：

对于所述样本数据集合中的每一类别样本数据，确定与所述类别样本数据相关联的权重值，其中，所述权重值为所述类别样本数据的数目与所述样本数据集合所包含的样本数据的总数目的比值；

根据所确定的权重值，确定所述待评估候选信息分类模型的准确率。

5.根据权利要求4所述的方法，其特征在于，所述根据所确定的权重值，确定所述待评估候选信息分类模型的准确率，包括：

循环执行以下处理步骤预定数目次：将所述样本数据集合划分为训练集和测试集，利用机器学习方法，基于所述训练集和与所述训练集中的每一个训练样本数据分别相关联的类别对所述待评估候选信息分类模型进行训练得到训练后的候选信息分类模型，利用所述训练后的候选信息分类模型对所述测试集中的每一个测试样本数据的类别进行预测得到预测结果，对于所述测试集中的每一类别测试样本数据，基于所述预测结果确定与所述类别测试样本数据相关联的预测准确率，将与所述样本数据集合所包含的与所述类别测试样本数据具有相同类别的样本数据相关联的权重值与所述预测准确率的乘积作为与所述类别测试样本数据相关联的加权预测准确率，将与所述测试集中的每一类别测试样本数据分别相关联的加权预测准确率相加所得的数值作为与所述待评估候选信息分类模型相关联的第一加权预测准确率，将所述待评估候选信息分类模型恢复至未经训练的状态，其中，所述训练集和所述测试集包含相同类别的样本数据，与所述类别测试样本数据相关联的预测准确率为所述训练后的候选信息分类模型对所述类别测试样本数据的类别预测正确的数目与所述类别测试样本数据的数目的比值；

将所得的所述预定数目个第一加权预测准确率的平均值作为所述待评估候选信息分类模型的准确率。

6.根据权利要求2-5之一所述的方法，其特征在于，所述基于所确定的准确率，在所述预先存储的候选信息分类模型中确定目标信息分类模型，包括：

将所述预先存储的候选信息分类模型中的准确率最高的候选信息分类模型作为目标信息分类模型。