[发明专利]一种短文本多标签分类方法及装置有效

专利信息
申请号: 201810769761.1 申请日: 2018-07-13
公开(公告)号: CN108920694B 公开(公告)日: 2020-08-28
发明(设计)人: 熊文灿;廖翔;周继烈;张昊;刘铭;张骏;单培;李士勇;张瑞飞;李广刚 申请(专利权)人: 鼎富智能科技有限公司
主分类号: G06F16/35 分类号: G06F16/35
代理公司: 北京弘权知识产权代理事务所(普通合伙) 11363 代理人: 逯长明;许伟群
地址: 230000 安徽省合肥市*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 文本 标签 分类 方法 装置
【权利要求书】:

1.一种短文本多标签分类方法,其特征在于,所述方法包括:

获取待分类短文本;

利用与分类标签对应的单分类模型,得到第一正向分类概率集,所述第一正向分类概率集由利用所述单分类模型计算得到的所述待分类短文本在不同分类标签中的正向分类概率及相应的分类标签组成;

对所述第一正向分类概率集内的正向分类概率进行筛选,得到第一目标正向分类概率集;

判断所述第一目标正向分类概率集中的每个正向分类概率是否大于或等于第一预设分类阈值,如果所述正向分类概率大于或等于所述第一预设分类阈值,则将所述正向分类概率对应的分类标签确定为所述待分类短文本所属的第一分类类别;

如果所述正向分类概率小于所述第一预设分类阈值,则将所述正向分类概率对应的分类标签确定为剩余分类标签;

利用多分类模型,对所述待分类短文本进行分类,得到第二正向分类概率集,所述多分类模型由剩余分类标签对应的二分类模型组成,所述第二正向分类概率集由利用所述多分类模型计算得到的所述待分类短文本在不同剩余分类标签中的正向分类概率及相应的剩余分类标签组成;

对所述第二正向分类概率集中的正向分类概率进行筛选,得到第二分类类别集,所述第二分类类别集由筛选第二正向分类概率集后得到的正向分类概率对应的分类标签组成;

将所述第一分类类别和第二分类类别集合并,得到分类结果;

所述对所述第二正向分类概率集中的正向分类概率进行筛选,得到第二分类类别集包括:

判断所述第二正向分类概率集中的每个正向分类概率是否大于或等于第二预设分类阈值,如果所述正向分类概率大于或等于所述第二预设分类阈值,则将所述正向分类概率对应的分类标签确定为所述待分类短文本所属的第二分类类别;

将所有所述第二分类类别进行集合,得到第二分类类别集。

2.如权利要求1所述的方法,其特征在于,所述对所述第一正向分类概率集内的正向分类概率进行筛选,提取符合预设条件的第一目标正向分类概率包括:

将所述第一正向分类概率集中的正向分类概率由高到低排序;

对排序前N个正向分类概率及其对应的分类标签进行提取,得到第一目标正向分类概率集。

3.如权利要求1所述的方法,其特征在于,所述获取待分类短文本之前包括:

获取分类互斥标签对;

所述对所述第二正向分类概率集中的正向分类概率进行筛选,得到第二分类类别集包括:

判断所述第二正向分类概率集中的每个正向分类概率是否大于或等于第二预设分类阈值,如果所述正向分类概率大于或等于所述第二预设分类阈值,则提取所述正向分类概率及对应的分类标签,得到第二目标正向分类概率集;

利用所述分类互斥标签对,判断所述第二目标正向分类概率集中是否存在分类互斥标签对,如果所述第二目标正向分类概率集中存在分类互斥标签对,则去除所述分类互斥标签对中较小的正向分类概率所对应的分类标签,并将所述第二目标正向分类概率集中的剩余正向分类概率对应的分类标签确定为所述待分类短文本所属的第二分类类别;

如果所述第二目标正向分类概率集中不存在分类互斥标签对,则将所述第二目标正向分类概率集中的所有正向分类概率对应的分类标签确定为所述待分类短文本所属的第二分类类别;

将所有所述第二分类类别进行集合,得到第二分类类别集。

4.如权利要求3所述的方法,其特征在于,所述获取分类互斥标签对包括:

获取标有分类标签的训练样本;

根据所述训练样本的分类标签,计算得到分类互斥概率矩阵,所述分类互斥概率矩阵由每一个分类标签依次与其他分类标签中的一个分类标签在同一个训练样本出现的概率组成;

依次判断所述互斥概率矩阵中的每一个分类标签与其他分类标签中的一个分类标签在同一个训练样本出现的概率是否小于预设互斥阈值,若是,则将所述概率对应的两个分类标签确定为分类互斥标签对。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于鼎富智能科技有限公司,未经鼎富智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810769761.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top