[发明专利]一种文本分类方法、装置、介质及设备

权利要求书

1.一种文本分类方法，其特征在于，包括：

针对确定的每个待分类文本，计算存储的该待分类文本的标识词向量与存储的各个样本文本的标识词向量的距离，其中，所述待分类文本的字数不大于设定字数阈值，所述样本文本的字数大于所述设定字数阈值；所述待分类文本包括用户在设定时间段内查看的非样本文本中的非热点文本，所述非热点文本是通过以下方式确定的：针对所述用户在设定时间段内查看次数不小于预设次数阈值的非样本文本，确定各非样本文本各自的关键词，根据预先训练的热点文本聚类模型以及提取的各关键词，对所述各非样本文本进行热点文本聚类，将热点文本聚类结果包含的文本个数不大于热点阈值，且归属于所述聚类结果的非样本文本，确定为所述非热点文本；

提取与该待分类文本的标识词向量的距离符合预设条件的样本文本的标识词向量；

根据存储的样本文本与类别的对应关系，将提取的样本文本的标识词向量对应的样本文本所属的类别，作为该待分类文本所属的类别。

2.根据权利要求1所述的方法，其特征在于，提取与该待分类文本的标识词向量的距离符合预设条件的样本文本的标识词向量，具体包括：

提取与该待分类文本的标识词向量的距离小于设定距离阈值的样本文本的标识词向量；或者

提取与该待分类文本的标识词向量的距离最小的样本文本的标识词向量。

3.根据权利要求1所述的方法，其特征在于，确定待分类文本，还包括：

将所述用户在设定时间段内查看的非样本文本中的第一类文本，作为待分类文本，其中，所述第一类文本为查看时长超过预设时长阈值，和/或，获得所述用户正面评论的文本；或者

将所述第一类文本中的所述非热点文本，作为待分类文本。

4.根据权利要求1所述的方法，其特征在于，所述非热点文本还通过以下方式确定：

针对所述用户在设定时间段内查看的每个非样本文本，统计查看过该非样本文本的用户数，作为该非样本文本的查看次数；

若该非样本文本的查看次数小于预设次数阈值，将该非样本文本作为非热点文本。

5.一种文本分类装置，其特征在于，包括：

计算模块，用于针对确定的每个待分类文本，计算存储的该待分类文本的标识词向量与存储的各个样本文本的标识词向量的距离，其中，所述待分类文本的字数不大于设定字数阈值，所述样本文本的字数大于所述设定字数阈值；所述待分类文本包括用户在设定时间段内查看的非样本文本中的非热点文本，所述非热点文本是通过以下方式确定的：针对所述用户在设定时间段内查看次数不小于预设次数阈值的非样本文本，确定各非样本文本各自的关键词，根据预先训练的热点文本聚类模型以及提取的各关键词，对所述各非样本文本进行热点文本聚类，将热点文本聚类结果包含的文本个数不大于热点阈值，且归属于所述热点文本聚类结果的非样本文本，确定为所述非热点文本；

提取模块，用于提取与该待分类文本的标识词向量的距离符合预设条件的样本文本的标识词向量；

类别确定模块，用于根据存储的样本文本与类别的对应关系，将提取的样本文本的标识词向量对应的样本文本所属的类别，作为该待分类文本所属的类别。

6.根据权利要求5所述的装置，其特征在于，所述提取模块，具体用于：

提取与该待分类文本的标识词向量的距离小于设定距离阈值的样本文本的标识词向量；或者

提取与该待分类文本的标识词向量的距离最小的样本文本的标识词向量。

7.根据权利要求5所述的装置，其特征在于，还包括：

文本确定模块，用于将所述用户在设定时间段内查看的非样本文本中的第一类文本，作为待分类文本，其中，所述第一类文本为查看时长超过预设时长阈值，和/或，获得所述用户正面评论的文本；或者，将所述第一类文本中的所述非热点文本，作为待分类文本。