[发明专利]一种多文本分类方法和装置

权利要求书

1.一种多文本分类方法，其特征在于，该方法包括：

获取具有相关性的多个文本，以及每个文本的条件特征和时间特征；

基于多个文本中每个文本的条件特征，利用循环神经网络和注意力机制提取该文本的文本特征；

基于多个文本中每个文本的时间特征和文本特征，利用循环神经网络提取多个文本的特征；

根据多个文本的特征，使用预先设定的分类模型确定多个文本的分类。

2.根据权利要求1所述的方法，其特征在于，

基于多个文本中每个文本的条件特征，利用循环神经网络和Attention机制提取该文本的文本特征，包括：

对多个文本中的每个文本进行预处理，得到该文本的词向量表示；

根据多个文本中每个文本的词向量表示和条件特征，利用循环神经网络和注意力机制提取该文本的文本特征。

3.根据权利要求2所述的方法，其特征在于，

对多个文本中的每个文本进行预处理，得到该文本的词向量表示的方法为：

对该文本进行切词处理，去除切词处理结果中的停用词；

判断去除了停用词的切词处理结果中包含的词的数量是否超过预设数量，如果是，则根据词的超出数量删除切词处理结果中位置最靠前的词，否则，根据词的缺少数量在切词处理结果的最靠前位置添加预设词；

将切词处理结果中包括预设数量的词均转换为词向量，将该组词向量作为该文本的词向量表示。

4.根据权利要求3所述的方法，其特征在于，

根据多个文本中每个文本的词向量表示和条件特征，利用循环神经网络和Attention机制提取该文本的文本特征的方法为：

将该文本的词向量表示中的每个词向量与该文本的条件特征组成一输入变量；

将所有输入变量输入到循环神经网络中并结合Attention机制提取该文本的文本特征。

5.根据权利要求1所述的方法，其特征在于，

基于多个文本中每个文本的时间特征和文本特征，利用循环神经网络提取多个文本的特征，包括：

根据每个文本的时间特征对多个文本按照时间先后排序；

计算排序结果中相邻文本之间的时间间隔，根据排序结果中相邻文本之间的时间间隔确定相邻文本之间的衰减系数；

将排序结果中相邻文本之间的衰减系数作为循环神经网络中隐层之间传递的衰减系数，将排序结果中每个文本的文本特征按排序顺序输入到循环神经网络，得到多个文本的特征。

6.根据权利要求5所述的方法，其特征在于，

根据排序结果中相邻文本之间的时间间隔确定相邻文本之间的衰减系数的方法为：如果排序结果中的第t-1个文本和第t个文本之间的时间间隔为d_t-1，则确定排序结果中第t-1个文本和第t个文本之间的衰减系数为其中，u为预设的相关性衰减速度值，取值区间为(0，1)。