[发明专利]信息输出方法和装置

说明书

本申请公开了信息输出方法和装置。该方法的一具体实施方式包括：接收客户端发送的信息；从该信息中提取出特征向量，其中，该特征向量用于表征该信息的内容；将该特征向量导入预先训练的信息分类模型进行分类得到该信息所属的类别；从该类别所指示的预存反馈信息集合中匹配出与该信息相关联的目标反馈信息，并将该目标反馈信息输出至该客户端。该实施方式提高了信息输出效率。

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息输出方法和装置。

背景技术

在人工智能领域，目前涌现出了很多基于自然语言处理的自动人工智能应答系统。人工智能应答系统的信息输出效率很大程度上依赖于分类模型的准确性。

然而，现有的分类模型的准确性通常较低，从而导致人工智能应答系统的信息输出效率较低。

发明内容

本申请的目的在于提出一种改进的信息输出方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请提供了一种信息输出方法，该方法包括：接收客户端发送的信息；从上述信息中提取出特征向量，其中，上述特征向量用于表征上述信息的内容；将上述特征向量导入预先训练的信息分类模型进行分类得到上述信息所属的类别；从上述类别所指示的预存反馈信息集合中匹配出与上述信息相关联的目标反馈信息，并将上述目标反馈信息输出至上述客户端。

在一些实施例中，上述方法还包括建立信息分类模型的步骤，上述建立信息分类模型的步骤包括:获取样本数据集合和与上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，将上述候选信息分类模型作为待评估候选信息分类模型，基于上述样本数据集合和与上述样本数据集合中的每一个样本数据分别相关联的类别，确定上述待评估候选信息分类模型的准确率，其中，上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，在上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，基于上述样本数据集合和与上述样本数据集合中的每一个样本数据分别相关联的类别，对上述目标信息分类模型进行训练得到信息分类模型。

在一些实施例中，上述确定上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上述待评估候选信息分类模型的准确率。

在一些实施例中，上述确定上述待评估候选信息分类模型的准确率，包括：对于上述样本数据集合中的每一类别样本数据，确定与上述类别样本数据相关联的权重值，其中，上述权重值为上述类别样本数据的数目与上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，确定上述待评估候选信息分类模型的准确率。

在一些实施例中，上述根据所确定的权重值，确定上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：将上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，基于上述训练集和与上述训练集中的每一个训练样本数据分别相关联的类别对上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，利用上述训练后的候选信息分类模型对上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，对于上述测试集中的每一类别测试样本数据，基于上述预测结果确定与上述类别测试样本数据相关联的预测准确率，将与上述样本数据集合所包含的与上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上述预测准确率的乘积作为与上述类别测试样本数据相关联的加权预测准确率，将与上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上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，将上述待评估候选信息分类模型恢复至未经训练的状态，其中，上述训练集和上述测试集包含相同类别的样本数据，与上述类别测试样本数据相关联的预测准确率为上述训练后的候选信息分类模型对上述类别测试样本数据的类别预测正确的数目与上述类别测试样本数据的数目的比值；将所得的上述预定数目个第一加权预测准确率的平均值作为上述待评估候选信息分类模型的准确率。