[发明专利]一种文本分类方法、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，包括以下步骤：

S10：构建词向量，将输入文本转化为词向量形式；

S20：将S10中的词向量分别输入到至少两组情感分类器进行训练，所述情感分类器对所述词向量进行训练后，将各自全连接层分别输出到各自的loss函数中，各情感分类器根据业务不同的分类需求选择不同情感特征；

S30:交叉学习并更新情感分类器，根据情感分类器的数量，将各loss函数按照等权重加成到LOSSes中作为整体损失函数，并基于所述整体损失函数对所述各情感分类器进行更新，直到整体损失函数不再降低为止。

2.根据权利要求1所述的文本分类方法，其特征在于，所述步骤S10中，使用word2vec构建词向量。

3.根据权利要求1所述的文本分类方法，其特征在于，所述步骤S20中，设置一级情感分类器与二级情感分类器，所述S10中的词向量作为一级情感分类器与二级情感分类器的输入，并将所述一级情感分类器与二级情感分类器全连接层输出到各自的loss函数中。

4.根据权利要求3所述的文本分类方法，其特征在于，所述步骤S20中，所述基于TextRNN结合attention机制建立一级情感分类器；

和/或，基于TextCNN建立所述二级情感分类器。

5.根据权利要求3所述的文本分类方法，其特征在于，所述一级情感分类器中，对TextRNN中每一个节点h_t分配了权重αt，使其权重值使其更新为h_newt＝α_t*h_t，以为编码的词向量进行权重加成，所述权重αt为：

其中，u_t＝tanh(W_wh_t+b_w)，W_w、U_w与b_w均为Attention的权重与bias。

6.根据权利要求3所述的文本分类方法，其特征在于，步骤S30中，LOSSes为：

Losses＝0.5*Loss_RNN+0.5*Loss_CNN。

7.根据权利要求1或3所述的文本分类方法，其特征在于：所述loss函数均为交叉熵损失函数。

8.一种文本分类装置，其特征在于：包括

词向量构建模块，其用于将输入文本转化为词向量形式；

词向量输入模块，初步分类模块，其用于所述词向量分别输入到至少两组情感分类器中，并将所述情感分类器的各自全连接层输出到各自的loss函数中，各所述情感分类器根据业务不同的分类需求选择不同情感特征；

整体损失函数获取及更新模块，用于将各所述loss函数等权重加成形成LOSSes作为整体损失函数，并基于所述整体损失函数对所述各情感分类器进行更新，直到整体损失函数不再降低为止。

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。