[发明专利]基于人工智能的文章分类方法及装置、设备与可读介质

说明书

【技术领域】

本发明涉及计算机应用技术领域，尤其涉及一种基于人工智能的文章分类方法及装置、设备与可读介质。

【背景技术】

人工智能(Artificial Intelligence；AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

随着网络科技的发展，网络上的电子多媒体使用越来越普及。为了有效地对网络上的各种新闻资讯进行有效地管理，通常可以将新闻资讯分为不同的主题类别。

现有技术中通过建立层级的主题分类体系，来对新闻资讯的文章的主题类别进行管理。例如新闻资讯可以被分为“娱乐”、“体育”、“教育”等等主题类别。在这个基础上，还可以进一步细分，比如“体育”可以分为“足球”，“篮球”，“羽毛球”等。这样，在为用户展示文章时可以进行分类展示，用户也可以按照主题分类体系中的主题类别选择自己感兴趣的主题类别进行阅读。为了有效地对网络中的新闻资讯的文章进行有效地分类，现有技术中多采用人工标识的方法来为文章进行分类。例如具体可以在文章发布之前，由网站工作人员根据新闻资讯的文章的标题，主观对该文章进行分类，并打上对应主题类别的标签。

但是，现有技术中由工作人员根据新闻资讯的文章的标题，主观对该文章进行分类，不仅费时费力，而且对文章分类的准确性也非常差。

【发明内容】

本发明提供了一种基于人工智能的文章分类方法及装置、设备与可读介质，用于提高对文章分类的准确性。

本发明提供一种基于人工智能的文章分类方法，所述方法包括：

获取目标文章的文本；

对所述目标文章的文本进行至少两种不同分词粒度的分词处理，得到各所述分词粒度对应的分词；

根据所述目标文章的各所述分词粒度对应的分词和在目标分类体系中预先训练的各层级的打分标签模型，预测所述目标文章与各所述层级上的各个主题类别的相似度；

根据所述目标文章与各所述层级上的各个主题类别的相似度以及预设的相似度阈值，对所述目标文章在各所述层级上进行分类。

进一步可选地，如上所述的方法中，根据所述目标文章与各所述层级上的各个主题类别的相似度以及预设的相似度阈值，对所述目标文章在各所述层级上进行分类之后，所述方法还包括：

校验所述目标文章在各所述层级上的分类。

进一步可选地，如上所述的方法中，校验所述目标文章在各所述层级上的分类，具体包括如下至少一种：

检测所述目标文章的各所述层级的分类是否冲突；若冲突，取消所述目标文章在下游层级的分类；

若所述目标文章的特定层级的分类为特定主题类别时，检测所述目标文章中的特定关键词的出现频率是否达到预设频率阈值，若未达到，取消所述目标文章在所述特定层级的所述特定主题类别的分类；和

若所述目标文章的特定层级的分类为特定主题类别时，检测所述目标文章中是否出现特定关键词，若出现，取消所述目标文章在所述特定层级的所述特定主题类别的分类。

进一步可选地，如上所述的方法中，根据所述目标文章的各所述分词粒度对应的分词和在目标分类体系中预先训练的各层级的打分标签模型，预测所述目标文章与各所述层级上的各个主题类别的相似度之前，所述方法还包括：

从各资讯网站抓取数个训练语料，各所述训练语料包括训练文章和所述训练文章在对应的所述资讯网站中的原分类；

将各所述训练语料中的所述训练文章在对应的所述资讯网站中的原分类映射为所述目标分类体系中的主题类别；

对各所述训练语料的文本进行至少两种不同分词粒度的分词处理，得到数个正例的训练数据；

根据所述数个正例的训练数据，构造各所述正例的训练数据中的训练语料在各所述层级上的多个不相干的主题类别，生成数个负例的训练数据；

使用所述数个正例的训练数据和所述数个负例的训练数据，训练各层级的所述打分标签模型。

本发明还提供一种基于人工智能的文章分类装置，所述装置包括：

获取模块，用于获取目标文章的文本；

分词模块，用于对所述目标文章的文本进行至少两种不同分词粒度的分词处理，得到各所述分词粒度对应的分词；