[发明专利]一种文本分类的方法、系统、设备及计算机可读存储介质

权利要求书

1.一种文本分类的方法，其特征在于，包括：

接收输入的分类语料；

利用所述分类语料构建多组句对语料；其中，所述句对语料为一对属于同一主题或不同主题的语料；

利用所述分类语料训练预设神经网络，得到文本分类模型；

基于所述文本分类模型的特征抽取网络构建双输入二分类模型，并利用所述句对语料对所述双输入二分类模型进行训练；其中，所述双输入二分类模型用于判断所述句对语料是否属于同一主题；

当所述双输入二分类模型训练完成后，利用所述双输入二分类模型对所述文本分类模型的特征抽取网络进行优化，并利用所述优化后的文本分类模型对待分类文本进行文本分类。

2.根据权利要求1所述的方法，其特征在于，利用所述分类语料构建句对语料，包括：

在所述分类语料的各主题下均随机选取源语句；

在所述源语句所属的主题下选择一个句子与所述源语句组成正例句对语料，在所述分类语料的其他主题下随机选择一个句子与所述源语句组成负例句对语料；

其中，所述正例句对语料与所述负例句对语料的数量相同。

3.根据权利要求1所述的方法，其特征在于，利用所述分类语料训练预设神经网络，得到文本分类模型，包括：

构建单层卷积神经网络；

利用所述分类语料训练所述单层卷积神经网络；

当所述单层卷积神经网络的损失值和正确率不再变化时，将所述单层卷积神经网络作为所述文本分类模型。

4.根据权利要求1所述的方法，其特征在于，基于所述文本分类模型的特征抽取网络构建双输入二分类模型，包括：

将所述文本分类模型的特征抽取网络接入所述双输入二分类模型，以使所述双输入二分类模型共享所述文本分类模型的特征抽取网络。

5.一种文本分类的系统，其特征在于，包括：

接收模块，用于接收输入的分类语料；

句对语料构建模块，用于利用所述分类语料构建多组句对语料；其中，所述句对语料为一对属于同一主题或不同主题的语料；

第一训练模块，用于利用所述分类语料训练预设神经网络，得到文本分类模型；

第二训练模块，用于基于所述文本分类模型的特征抽取网络构建双输入二分类模型，并利用所述句对语料对所述双输入二分类模型进行训练；其中，所述双输入二分类模型用于判断所述句对语料是否属于同一主题；

优化及分类模块，用于当所述双输入二分类模型训练完成后，利用所述双输入二分类模型对所述文本分类模型的特征抽取网络进行优化，并利用所述优化后的文本分类模型对待分类文本进行文本分类。

6.根据权利要求5所述的系统，其特征在于，所述句对语料构建模块包括：

选取子模块，用于在所述分类语料的各主题下均随机选取源语句；

组队子模块，用于在所述源语句所属的主题下选择一个句子与所述源语句组成正例句对语料，在所述分类语料的其他主题下随机选择一个句子与所述源语句组成负例句对语料；

其中，所述正例句对语料与所述负例句对语料的数量相同。

7.根据权利要求5所述的系统，其特征在于，所述第一训练模块包括：

构建子模块，用于构建单层卷积神经网络；

训练子模块，用于利用所述分类语料训练所述单层卷积神经网络；

模型确定子模块，用于当所述单层卷积神经网络的损失值和正确率不再变化时，将所述单层卷积神经网络作为所述文本分类模型。

8.根据权利要求5所述的系统，其特征在于，所述第二训练模块包括：

模型接入子模块，用于将所述文本分类模型的特征抽取网络接入所述双输入二分类模型，以使所述双输入二分类模型共享所述文本分类模型的特征抽取网络。

9.一种文本分类设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述文本分类的方法的步骤。

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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述文本分类的方法的步骤。