[发明专利]一种基于机器学习的文本处理方法在审

专利信息
申请号: 201910427806.1 申请日: 2019-05-21
公开(公告)号: CN110162634A 公开(公告)日: 2019-08-23
发明(设计)人: 王树大;张兆明;安丽娜 申请(专利权)人: 北京鸿联九五信息产业有限公司
主分类号: G06F16/35 分类号: G06F16/35;G06F16/31;G06F16/335
代理公司: 北京思睿峰知识产权代理有限公司 11396 代理人: 谢建云;赵爱军
地址: 100080 北京市海*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 文本模板 缓存队列 文本处理 文本 匹配 基于机器 匹配成功 文本分类 数据库 模型输入数据 文本分类模型 计算设备 文本匹配 文本提取 哈希表 移入 删除 输出 学习
【权利要求书】:

1.一种基于机器学习的文本处理方法,适于在计算设备中执行,所述方法包括:

对获取的文本提取文本签名;

从数据库中获取所述文本签名下已提取的文本模板;

将文本与文本模板进行匹配,如果匹配成功则输出与所述文本匹配的文本模板编号;

将所述文本模板编号移入数据库的缓存队列的头部;

如果未匹配成功,则将未匹配的文本处理为模型输入数据,以便输入训练后的文本分类模型得到文本分类结果;以及

判断缓存队列是否已满,如果已满则删除预定时间内使用次数最少的文本模板编号,将未匹配的文本签名及对应文本分类结果的哈希表插入缓存队列的头部。

2.如权利要求1所述的方法,其中,所述对获取的文本提取文本签名的步骤包括:

基于预设的正则表达式提取所获取文本的签名。

3.如权利要求1所述的方法,其中,在所述将文本和文本模板进行匹配的步骤之前,所述方法包括:

获取预设的过滤词正则表达式列表;

将文本与过滤词正则表达式列表中的各项进行匹配,如果匹配成功则输出过滤词标识,以便将所述文本过滤。

4.如权利要求1所述的方法,其中,所述将文本和文本模板进行匹配的步骤包括:

对文本和文本模板进行分词处理,得到文本词序列和文本模板词序列;

基于文本词序列与文本模板词序列之间的编辑距离,如果编辑距离小于预定距离则匹配成功,否则匹配失败。

5.如权利要求1所述的方法,其中,所述将所述文本模板编号移入数据库的缓存队列的头部的步骤包括:

如果所述文本模板编号存在于缓存队列中,则将缓存队列中的该文本模板编号移入头部;否则

判断缓存队列是否已满,如果已满则将最近最少使用的文本模板编号删除,并将所述文本模板编号插入缓存队列的头部。

6.如权利要求1所述的方法,其中,所述将未匹配的文本处理为模型输入数据,以便输入训练后的文本分类模型得到文本分类结果的步骤包括:

基于已构建的特征词典对未匹配的文本进行过滤,得到特征词序列;

对特征词序列进行编码,得到预定格式的特征向量;以及

将所述特征向量保存为文本文件或者特征矩阵,输入文本分类模型中进行预测,得到文本分类结果,其中所述文本分类模型为多分类的决策树模型。

7.如权利要求6所述的方法,其中,所述特征向量由标签值、特征编号和特征值构成,所述特征编号对应该特征词在特征词典中的下标,所述特征值为该特征词在未匹配的文本中出现的次数。

8.如权利要求1所述的方法,其中,所述数据库为redis数据库,所述缓存队列为双向队列,所述将未匹配的文本签名及对应文本分类结果的哈希表插入缓存队列的头部的步骤包括:

将缓存队列中的文本模板编号按使用时间戳排序,取出缓存队列尾部的文本模板编号,并删除与其对应的哈希表;

将取出的文本模板编号插入缓存队列的头部;以及

将未匹配的文本签名及对应的文本分类结果的哈希表插入所述缓存队列的头部。

9.一种计算设备,包括:

一个或多个处理器;

存储器;

一个或多个程序,其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1-8所述方法中的任一方法的指令。

10.一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当计算设备执行时,使得所述计算设备执行根据权利要求1-8所述的方法中的任一方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京鸿联九五信息产业有限公司,未经北京鸿联九五信息产业有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910427806.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code