[发明专利]一种文本分类方法及终端

说明书

本发明适用于计算机技术领域，提供了一种文本分类方法及终端，该方法包括：获取待处理的目标文本，以及获取待分类的多个文本类别标识；将目标文本转换为词向量；根据所述文本类别标识的数目确定多分类模型包含的二分类器的数目；多分类模型由循环神经网络及多个二分类器构成；基于文本样本集对多分类模型进行预训练，并将目标文本对应的词向量输入完成训练的多分类模型进行处理，输出目标文本对应的文本分类结果；文本分类结果用于标识目标文本所属的至少两个独立且不互斥的目标文本类别。通过上述方式，可在文本多类别且独立不互斥的场景下，提高分类结果的准确性。

技术领域

本发明属于计算机技术领域，尤其涉及一种文本分类方法及终端。

背景技术

文本分析是指对文本的表示及其特征项的选取；文本分析是文本挖掘、信息检索的一个基本问题，它把从文本中抽取出的特征词进行量化来表示文本信息。由于文本的语义不可避免地会反映人的特定立场、观点、价值和利益，因此，由文本内容分析，可以推断文本提供者的意图和目的，从而对文本进行分类。

近年来随着深度学习和各种神经网络模型的发展，基于神经网络的文本分类方法在信息检索、电子商务、新闻门户等众多领域得到广泛应用，以有效帮助用户从海量的文本资源中发掘用户所关注的有用的特定信息。例如，基于神经网络对文本中多类别且互斥的商品进行分类。神经网络例如，卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network，RNN)。

然而，在文本多类别且独立不互斥的场景下，采用现有的基于神经网络的文本分类方法进行文本分析得到的分类结果不准确。

发明内容

有鉴于此，本发明实施例提供了一种文本分类方法及终端，以解决现有技术中，在文本多类别且独立不互斥的场景下，采用现有的基于神经网络的文本分类方法进行文本分析得到的分类结果不准确的问题。

本发明实施例的第一方面提供了一种文本分类方法，包括：

获取待处理的目标文本，以及获取待分类的多个文本类别标识；

将所述目标文本转换为词向量；

根据所述文本类别标识的数目确定多分类模型包含的二分类器的数目；所述多分类模型由循环神经网络以及多个所述二分类器构成，所述循环神经网络用于提取输入所述循环神经网络的文本数据的特征数据，所述二分类器用于对所述特征数据进行处理，输出分类结果；

基于文本样本集对所述多分类模型进行预训练，并将所述目标文本对应的所述词向量输入完成训练的多分类模型进行处理，输出所述目标文本对应的文本分类结果；所述文本分类结果用于标识所述目标文本所属的至少两个独立且不互斥的目标文本类别，所述目标文本类别的标识从所述多个文本类别标识中确定。

本发明实施例的第二方面提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取待处理的目标文本，以及获取待分类的多个文本类别标识；

将所述目标文本转换为词向量；

根据所述文本类别标识的数目确定多分类模型包含的二分类器的数目；所述多分类模型由循环神经网络以及多个所述二分类器构成，所述循环神经网络用于提取输入所述循环神经网络的文本数据的特征数据，多个所述二分类器用于对所述特征数据进行处理并输出分类结果；

基于文本样本集对所述多分类模型进行预训练，并将所述目标文本对应的所述词向量输入完成训练的多分类模型进行处理，输出所述目标文本对应的文本分类结果；所述文本分类结果用于标识所述目标文本所属的至少两个独立且不互斥的目标文本类别，所述目标文本类别的标识从所述多个文本类别标识中确定。