[发明专利]一种文本分类方法及装置

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：

确定多个文本类别；

对于每一个文本类别，获取分别属于所述文本类别的多个样本文本；

确定多个预设神经网络模型；

使用分别属于每一个文本类别的多个样本文本对预设神经网络模型训练，得到目标文本分类模型；

获取待分类文本；

使用所述目标文本分类模型确定所述待分类文本在所述多个文本类别中所属的目标文本类别；

其中，获取待分类文本包括：

获取目标图像；

对所述目标图像进行图像识别，得到所述目标图像中包括的文本，并作为所述待分类文本；

使用分别属于每一个文本类别的多个样本文本对预设神经网络模型训练，得到目标文本分类模型，包括：

使用分别属于每一个文本类别的多个样本文本对每一个预设神经网络模型分别训练，得到多个文本分类模型；

获取多个测试文本；

使用所述多个测试文本对所述多个文本分类模型的分类精准度分别测试；

将分类精准度最高的文本分类模型作为所述目标文本分类模型；

使用所述目标文本分类模型确定所述待分类文本在所述多个文本类别中所属的目标文本类别，包括：

获取所述待分类文本中的每一个字符对应的向量；

将每一个字符对应的向量按照字符在所述待分类文本中的先后顺序组成向量特征；

利用所述向量特征和预设权重确定所述待分类文本属于每一个文本类别的概率；

将最大的概率的文本类别确定为所述待分类文本所属的目标文本类别；

在使用所述目标文本分类模型确定所述待分类文本在所述多个文本类别中所属的目标文本类别之后，所述方法还包括：

获取用户对使用所述目标文本分类模型确定所述待分类文本所属的目标文本类别的评价信息；

根据所述评价信息优化所述目标文本分类模型。

2.根据权利要求1所述的方法，其特征在于，所述获取待分类文本，包括：

获取用户输入的文本，并作为所述待分类文本；

或，

获取目标语音信号；对所述目标语音信号进行语音识别，得到所述目标语音信号对应的文本，并作为待分类文本。

3.根据权利要求1所述的方法，其特征在于，所述预设神经网络模型包括长短期记忆网络LSTM和门控循环单元GRU。

4.一种文本分类装置，其特征在于，所述装置包括：

第一确定模块，用于确定多个文本类别；

第一获取模块，用于对于每一个文本类别，获取分别属于所述文本类别的多个样本文本；

第二确定模块，用于确定多个预设神经网络模型；

训练模块，用于使用分别属于每一个文本类别的多个样本文本对预设神经网络模型训练，得到目标文本分类模型；

第二获取模块，用于获取待分类文本；

第三确定模块，用于使用所述目标文本分类模型确定所述待分类文本在所述多个文本类别中所属的目标文本类别；

所述第二获取模块包括：

第一获取单元，用于获取目标图像，所述目标图像中包括待分类文本；第一识别单元，用于对所述目标图像进行图像识别，得到所述目标图像中包括的文本，并作为所述待分类文本；

所述训练模块具体用于使用分别属于每一个文本类别的多个样本文本对每一个预设神经网络模型分别训练，得到多个文本分类模型；获取多个测试文本；使用所述多个测试文本对所述多个文本分类模型的分类精准度分别测试；将分类精准度最高的文本分类模型作为所述目标文本分类模型；

所述第三确定模块包括：

第四获取单元，用于获取所述待分类文本中的每一个字符对应的向量；

组合单元，用于将每一个字符对应的向量按照字符在所述待分类文本中的先后顺序组成向量特征；

第一确定单元，用于利用所述向量特征和预设权重确定所述待分类文本属于每一个文本类别的概率；

第二确定单元，用于将最大的概率的文本类别确定为所述待分类文本所属的目标文本类别；

所述装置还包括：

第三获取模块，用于获取用户对使用所述目标文本分类模型确定所述待分类文本所属的目标文本类别的评价信息；

优化模块，用于根据所述评价信息优化所述目标文本分类模型。