[发明专利]一种文本分类方法和装置

权利要求书

1.一种文本分类方法，其特征在于，所述方法包括：

提取目标文本中的关键词；

基于提取的关键词，利用预先训练好的词向量模型，得到所述目标文本的词向量特征；

计算所述目标文本的词向量特征，分别与预先设置的N级类目树中各级类目的词向量特征间的相似度值，N为正整数；

将最大相似度值对应的类目确定为所述目标文本所属的类目。

2.根据权利要求1所述的方法，其特征在于，设置N级类目树包括：

根据新闻内容的特点，先制定一级类目，再在所述一级类目下制定二级类目；再在所述二级类目下制定三级类目，以此类推，直至完成在N-1级类目下制定N级类目；

其中，同一级类目中的各个类目所代表的领域不同。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

对所述N级类目树中的各级类目分别进行关键词标记；

利用预先训练好的词向量模型，分别获取所述各级类目中各关键词的词向量特征；

基于获取的所述各级类目中各关键词的词向量特征，得到所述各级类目的词向量特征。

4.根据权利要求1所述的方法，其特征在于，所述提取目标文本中的关键词之前，所述方法还包括：预处理所述目标文本；

其中所述预处理所述目标文本至少包括：去除所述目标文本中对所述目标文本分类有影响的词语、去除所述目标文本中的url链接。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述计算所述目标文本的词向量特征，分别与预先设置的N级类目树中各级类目的词向量特征间的相似度值包括：

利用余弦相似度算法，计算所述目标文本的词向量特征，分别与预先设置的N级类目树中各级类目的词向量特征间的相似度值。

6.一种文本分类装置，其特征在于，所述装置包括：

关键词提取单元，用于提取目标文本中的关键词；

第一词向量特征获取单元，用于基于提取的关键词，利用预先训练好的词向量模型，得到所述目标文本的词向量特征；

相似度值计算单元，用于计算所述目标文本的词向量特征，分别与预先设置的N级类目树中各级类目的词向量特征间的相似度值，N为正整数；

分类单元，用于将最大相似度值对应的类目确定为所述目标文本所属的类目。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

N级类目树设置单元，用于设置N级类目树；

其中所述N级类目树设置单元具体用于，根据新闻内容的特点，先制定一级类目，再在所述一级类目下制定二级类目；再在所述二级类目下制定三级类目，以此类推，直至完成在N-1级类目下制定N级类目；

其中，同一级类目中的各个类目所代表的领域不同。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

关键词标记单元，用于对所述N级类目树中的各级类目分别进行关键词标记；

第二词向量特征获取单元，用于利用预先训练好的词向量模型，分别获取所述各级类目中各关键词的词向量特征；

类目词向量特征确定单元，用于基于获取的所述各级类目中各关键词的词向量特征，得到所述各级类目的词向量特征。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

预处理单元，用于预处理所述目标文本；

其中所述预处理单元具体用于，去除所述目标文本中对所述目标文本分类有影响的词语、去除所述目标文本中的url链接。

10.根据权利要求6-9任一项所述的装置，其特征在于，

所述相似度值计算单元具体用于，利用余弦相似度算法，计算所述目标文本的词向量特征，分别与预先设置的N级类目树中各级类目的词向量特征间的相似度值。