[发明专利]一种文本分类方法、装置及计算机可读存储介质

说明书

本发明公开了一种文本分类方法、装置及计算机可读存储介质，首先获取测试文本；之后提取所述测试文本中的关键词；再通过语义配对算法根据所提取的关键词进行配对特征提取，得到所述测试文本的语义配对特征；最后根据所述测试文本的语义配对特征确定所述测试文本的文本类别。如此，本发明通过提取出具有skip‑gram特性的带有语义特征的搭配，可以更好的支持文本分类，从而大大提高文本分类的可靠性。而且，由于Skip‑gram算法是有语义的，故通过对不同分类的支持程度，可以转化成文本模型，这将在基于语义的推荐模型上起到很大的作用。

技术领域

本发明涉及文本自动化处理技术领域，尤其涉及一种文本分类方法、装置及计算机可读存储介质。

背景技术

随着文本自动化处理技术的不断演进，对文本分类的精确性要求越来越高。相关技术中，通常采用包括几种可能的分类方式来确定文本类别：方式1，利用深度神经网络(如CNN或RNN)来自动发现文本特征，并进一步利用soft-max方法进行文本分类；方式2，利用tf-idf或者chi-squares关键词提取得到文本特征，并进行文本分类；方式3，利用n-gram提取，得到文本特征，并进行文本分类。

然而，上述所提及的几种分类方式均存在明显的缺陷：1)CNN/RNN可以自动提取skip-gram pairs(搭配)作为文本分类特征，但是提取的特征搭配往往是人类无法理解的字符级配对，无法用语义解释；2)传统的关键词文本分类特征提取方法，没有考虑到词组间的配对搭配特征对文本分类的重要性；3)利用n-gram文本分类特征提取方法，忽略了skip-gram的配对特征对文本分类的重要性。

发明内容

本发明实施例为了解决上述提及的文本分类方式所存在的种种问题，创造性的提供一种文本分类方法、装置及计算机可读存储介质。

根据本发明实施例的第一方面，提供一种文本分类方法，该方法包括：获取测试文本；提取所述测试文本中的关键词；通过语义配对算法根据所提取的关键词进行配对特征提取，得到所述测试文本的语义配对特征；根据所述测试文本的语义配对特征确定所述测试文本的文本类别。

根据本发明一实施方式，所述提取所述测试文本中的关键词，包括：对所述测试文本进行分词处理，得到分词处理结果；从所述分词处理结果中进行关键词提取，得到所述测试文本的关键词。

根据本发明一实施方式，所述语义配对算法为Skip-gram算法。

根据本发明一实施方式，所述通过语义配对算法根据所提取的关键词进行配对特征提取，得到所述测试文本的语义配对特征，包括：利用n-gram算法根据所提取的关键词进行配对特征提取，得到所述测试文本的原始配对特征；通过Skip-gram算法结合所得到的原始配对特征，提取所述测试文本的语义配对特征。

根据本发明一实施方式，根据所述测试文本的语义配对特征确定所述测试文本的文本类别，包括：从所述测试文本的语义配对特征中提取关键语义配对特征；根据所述关键语义配对特征确定所述测试文本的文本类别。

根据本发明实施例的第二方面，提供一种文本分类装置，所述装置包括：获取模块，用于获取测试文本；关键词提取模块，用于提取所述测试文本中的关键词；语义配对特征模块，用于通过语义配对算法根据所提取的关键词进行配对特征提取，得到所述测试文本的语义配对特征；分类模块，用于根据所述测试文本的语义配对特征确定所述测试文本的文本类别。

根据本发明一实施方式，所述关键词提取模块包括：分词处理单元，用于对所述测试文本进行分词处理，得到分词处理结果；关键词提取单元，用于从所述分词处理结果中进行关键词提取，得到所述测试文本的关键词。

根据本发明一实施方式，所述语义配对特征模块包括：原始配对特征提取单元，用于利用n-gram算法根据所提取的关键词进行配对特征提取，得到所述测试文本的原始配对特征；语义配对特征提取单元，用于通过Skip-gram算法结合所得到的原始配对特征，提取所述测试文本的语义配对特征。