[发明专利]文本分类方法、装置、计算机设备及存储介质

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：

获取进行文本分类的语料，并将所述语料通过预设方式进行分词以得到中文分词；

将所述中文分词进行词嵌入以将所述中文分词转化为词向量；

使用卷积神经网络结合注意力函数对所述词向量进行特征提取以得到所述词向量的词向量特征；

通过全连接的方式连接所述词向量特征以得到输出数据；

经分类器对所述输出数据进行分类以得到文本分类结果。

2.根据权利要求1所述文本分类方法，其特征在于，所述使用卷积神经网络结合注意力函数对所述词向量进行特征提取以得到所述词向量的词向量特征的步骤包括：

使用第一注意力函数对所述词向量分配注意力权重以得到调整后的词向量；

使用卷积神经网络对所述调整后的词向量进行特征提取以得到词向量特征。

3.根据权利要求2所述文本分类方法，其特征在于，所述使用卷积神经网络对所述调整后的词向量进行特征提取以得到词向量特征的步骤之后，还包括：

使用第二注意力函数对所述词向量特征分配注意力权重以得到第一词向量特征；

所述通过全连接的方式连接所述词向量特征以得到输出数据的步骤包括：

通过全连接的方式连接所述第一词向量特征以得到输出数据。

4.根据权利要求3所述文本分类方法，其特征在于，所述使用第二注意力函数对所述词向量特征分配注意力权重以得到第一词向量特征的步骤之前，还包括：

使用激活函数对所述词向量特征进行激活。

5.根据权利要求4所述文本分类方法，其特征在于，所述使用激活函数对所述词向量特征进行激活的步骤之后，还包括：

对激活后的词向量特征进行池化。

6.根据权利要求1所述文本分类方法，其特征在于，所述使用卷积神经网络结合注意力函数对所述词向量进行特征提取以得到所述词向量的词向量特征的步骤包括：

使用卷积神经网络对所述词向量进行特征提取以得到所述词向量的第二词向量特征；

使用第二注意力函数对所述第二词向量特征分配注意力权重以得到所述词向量的词向量特征。

7.根据权利要求6所述文本分类方法，其特征在于，所述使用第二注意力函数对所述第二词向量特征分配注意力权重以得到所述词向量的词向量特征的步骤之前，还包括：

使用激活函数对所述第二词向量特征进行激活；

对激活后的所述第二词向量特征进行池化。

8.一种文本分类装置，其特征在于，包括：

获取单元，用于获取进行文本分类的语料，并将所述语料通过预设方式进行分词以得到中文分词；

转化单元，用于将所述中文分词进行词嵌入以将所述中文分词转化为词向量；

提取单元，用于使用卷积神经网络结合注意力函数对所述词向量进行特征提取以得到所述词向量的词向量特征；

连接单元，用于通过全连接的方式连接所述词向量特征以得到输出数据；

分类单元，用于经分类器对所述输出数据进行分类以得到文本分类结果。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器以及与所述存储器相连的处理器；所述存储器用于存储计算机程序；所述处理器用于运行所述存储器中存储的计算机程序，以执行如权利要求1-7任一项所述文本分类方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器执行如权利要求1-7中任一项所述文本分类方法的步骤。