[发明专利]一种垃圾文本的识别方法及装置

权利要求书

1.一种垃圾文本的识别方法，其特征在于，包括：

将待训练文本转化为词向量矩阵；

通过深度学习模型处理每个待训练文本对应的词向量矩阵，根据对每个待训练文本对应的词向量的处理结果，将所述深度学习模型训练为垃圾文本识别模型，所述深度学习模型包括卷积神经网络和双向循环神经网络；所述深度学习模型对所述词向量矩阵进行处理的步骤为：将所述词向量矩阵输入至所述卷积神经网络，所述卷积神经网络对所述词向量矩阵中的词向量进行分组，得到第一预设数量个分组后的词向量矩阵，使用第二预设数量个一维卷积模板依次对所述分组后的词向量矩阵进行卷积，得到所述第二预设数量个列向量，将所述第二预设数量个列向量组成组合矩阵，使用修正线性单元激活函数抽取对所述组合矩阵进行特征抽取，得到特征矩阵；将所述特征矩阵输入到所述双向循环神经网络进行处理，得到待训练文本的特征向量；

当接收到待识别文本时，通过所述垃圾文本识别模型识别所述待识别文本是否为垃圾文本；

所述通过深度学习模型处理每个待训练文本对应的词向量矩阵，包括：

通过所述卷积神经网络对所述词向量矩阵进行卷积，得到所述待训练文本的特征矩阵；

通过双向循环神经网络处理所述待训练文本的特征矩阵，得到所述待训练文本的特征向量；

通过激活函数处理所述待训练文本的特征向量，确定所述待训练文本属于各文本类型的概率，所述文本类型至少包括垃圾文本和正常文本。

2.根据权利要求1所述的方法，其特征在于，所述将待训练文本转化为词向量矩阵，包括：

对所述待训练文本进行分词；

从所述待训练文本中截取预设数量的词，若所述待训练文本中的词的数量小于所述预设数量，则将所述待训练文本中的词补齐至所述预设数量；

确定所述预设数量的词对应的词向量；

将所述词向量构建为所述待训练文本的词向量矩阵。

3.根据权利要求1所述的方法，其特征在于，所述通过双向循环神经网络处理所述待训练文本的特征矩阵，得到所述待训练文本的特征向量，包括：

将所述待训练文本的特征矩阵输入双向循环神经网络；

通过正向长短时记忆神经网络LSTM正向读取并处理输入的矩阵，得到所述待训练文本的第一特征向量；

通过反向LSTM反向读取并处理输入的矩阵，得到所述待训练文本的第二特征向量；

将所述第一特征向量和所述第二特征向量进行拼接，得到所述待训练文本的特征向量。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述当接收到待识别文本时，通过所述垃圾文本识别模型识别所述待识别文本是否为垃圾文本，包括：

将所述待识别文本转化为词向量矩阵；

通过所述垃圾文本识别模型处理所述待识别文本对应的词向量矩阵，确定所述待识别文本属于各文本类型的概率，所述文本类型至少包括正常文本和垃圾文本；

若所述待识别文本属于垃圾文本的概率大于预设值，则确定所述待识别文本为垃圾文本。