[发明专利]一种基于消息文本判断用户性别的方法和系统

权利要求书

1.一种基于消息文本判断用户性别的方法，其特征在于包括以下步骤：

接收待测文本；

提取待测文本的文本特征；

将提取的对应待测文本的文本特征的代入分类模型，判断对应该待测文本的用户性别，

其中，所述分类模型基于长短期记忆神经网络；

所述文本特征包括所述待测文本的词频和哈夫曼编码。

2.根据权利要求1所述的方法，其特征在于，提取待测文本的文本特征的步骤包括以下子步骤：

对待测文本分词，以生成对应该待测文本的一个或多个待测词；

统计待测词的词频；

基于哈夫曼树编码待测词，生成对应该待测词的哈夫曼编码；

基于待测词的词频和哈夫曼编码，利用CBOW模型输出对应的嵌入向量，

所述文本特征包括该嵌入向量。

3.根据权利要求2所述的方法，其特征在于，对待测文本分词的步骤中，包括以下子步骤：

基于分词词典，构建待测文本的有向无环图，其中，利用HMM模型的viterbi算法对该分词词典中未收录词进行分词处理；

利用动态规划寻找有向无环图的最大概率路径；

输出对应最大概率路径的分词结果。

4.根据权利要求2所述的方法，其特征在于，统计待测词的词频的步骤之前，还包括以下步骤：

利用词典匹配待测词，以滤除停用词、高于预设词频的词和低于预设词频的词。

5.根据权利要求2所述的方法，其特征在于，基于待测词的词频和哈夫曼编码，利用CBOW模型输出对应的嵌入向量的步骤之前，还包括以下步骤：

对待测词中的语气词的词频进行加权，以提高语气词的词频的权重。

6.根据权利要求1所述的方法，其特征在于，所述文本特征还包括所述待测文本中的疑问句的比例。

7.根据权利要求6所述的方法，其特征在于，如果所述待测文本含有疑问词且以语气词结尾，则判断所述待测文本为疑问句。

8.一种基于消息文本判断用户性别的系统，其特征在于包括：

第一模块，接收待测文本；

第二模块，提取待测文本的文本特征；

第三模块，将提取的对应待测文本的文本特征的代入分类模型，判断对应该待测文本的用户性别，

其中，所述分类模型基于长短期记忆神经网络；

所述文本特征包括所述待测文本的词频和哈夫曼编码。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中所述方法的步骤。