[发明专利]文本分类模型的训练方法和装置

说明书

说明书披露一种文本分类模型的训练方法和装置。该方法包括：对用于确定相似词的文本进行分词处理，将每个文本划分为一个或多个词语；汇总各文本，并提取汇总结果中满足预定条件的词语作为备选词；获取初始特征词；针对每个初始特征词，计算各备选词与所述初始特征词的相似度；将相似度满足相似度条件的备选词确定为所述初始特征词的相似词；将所述初始特征词和所述初始特征词的相似词作为训练文本的特征词，对文本分类模型进行训练。

技术领域

本说明书涉及机器学习技术领域，尤其涉及一种文本分类模型的训练方法和装置。

背景技术

随着人工智能技术的不断发展，文本分类已应用到各种各样的场景中。例如，在反洗钱场景中，判断一条文本是否涉及到反洗钱内容。再例如，在即时通信场景中，判断一条文本是否涉及到赌博内容等。文本分类模型的准确度可直接影响相关业务场景的处理决策。

发明内容

有鉴于此，本说明书提供一种文本分类模型的训练方法和装置。

具体地，本说明书是通过如下技术方案实现的：

一种文本分类模型的训练方法，包括：

对用于确定相似词的文本进行分词处理，将每个文本划分为一个或多个词语；

汇总各文本，并提取汇总结果中满足预定条件的词语作为备选词；

获取初始特征词；

针对每个初始特征词，计算各备选词与所述初始特征词的相似度；

将相似度满足相似度条件的备选词确定为所述初始特征词的相似词；

将所述初始特征词和所述初始特征词的相似词作为训练文本的特征词，对文本分类模型进行训练。

一种反洗钱场景中文本分类模型的训练方法，包括：

对用于确定相似词的文本进行分词处理，将每个文本划分为一个或多个词语；

汇总各文本，并提取汇总结果中满足预定条件的词语作为备选词；

获取与反洗钱相关的初始特征词；

针对每个初始特征词，计算各备选词与所述初始特征词的相似度；

将相似度满足相似度条件的备选词确定为所述初始特征词的相似词；

将所述初始特征词和所述初始特征词的相似词作为训练文本的特征词，采用半监督学习算法对文本分类模型进行训练。

一种文本分类模型的训练装置，包括：

文本分词单元，对用于确定相似词的文本进行分词处理，将每个文本划分为一个或多个词语；

备选提取单元，汇总各文本，并提取汇总结果中满足预定条件的词语作为备选词；

初始获取单元，获取初始特征词；

相似确定单元，针对每个初始特征词，计算各备选词与所述初始特征词的相似度；将相似度满足相似度条件的备选词确定为所述初始特征词的相似词；

模型训练单元，将所述初始特征词和所述初始特征词的相似词作为训练文本的特征词，对文本分类模型进行训练。

一种文本分类模型的训练装置，包括：

处理器；

用于存储机器可执行指令的存储器；

其中，通过读取并执行所述存储器存储的与文本分类模型的训练逻辑对应的机器可执行指令，所述处理器被促使：

对用于确定相似词的文本进行分词处理，将每个文本划分为一个或多个词语；