[发明专利]一种文本类别标注的方法、电子设备和可读存储介质

说明书

本发明实施例涉及计算机技术领域，公开了一种针对文本层次结构的类别标注的方法、电子设备和可读存储介质。本发明中文本类别标注的方法，包括：结合认知因子搜索待标注文本对应的候选类别；根据候选类别，确定分类模型，分类模型根据各第一样本文本，以及各第一样本文本对应的底层子类别训练获得，其中，底层子类别位于候选类别所在类别层次结构的底层，候选类别位于类别层次结构的顶层且候选类别为父类别，类别层次结构至少包括2层类别；根据待标注文本以及分类模型，确定待标注文本的实际文本类别，并按照实际文本类别标注待标注文本。本实施方式，使得能够减少标注错误发生的概率，提高标注的准确性。

技术领域

本发明实施例涉及计算机技术领域，特别涉及一种文本类别标注的方法、电子设备和可读存储介质。

背景技术

由于互联网的快速发展，人们也越来越依赖于从网络中获取信息。但是文本数据量的飞速增长，混乱分布极大影响了信息获取的效率与结果。为了更好的提供对文本的检索，通常会对文本数据进行类别标注，例如，对新闻类文本进行类别(如：体育类、娱乐类等)标注，从而当用户在检索时，可以快速且准确地检索到相关文本。早期的文本标注方法来源认知学，人们通过日常生活积累的经验以及一定推理规则判断某一篇文本的所属类别。而随着计算机技术的发展，人们希望通过给予机器AI(Artificial intelligence)智慧，产生认知AI，让机器通过学习产生经验，自动判断文本的类别。当前该方面的研究工作已经取得了较大的成果，也导致了人们直接依赖算法判断结果，而忽略其他因素。

发明人发现相关文本分类技术中至少存在如下问题：由于目前的文本数据量大，而随着数据的增多，类别的种类增加，导致对文本的类别进行自动标注过程中，出现错误的概率大大增加，同时也降低了对文本类别标注的速度。

发明内容

本发明实施方式的目的在于提供一种文本类别标注的方法、电子设备和可读存储介质，使得能够减少标注错误发生的概率，提高标注的准确性。

为解决上述技术问题，本发明的实施方式提供了一种文本类别标注的方法，包括：搜索待标注文本对应的候选类别；根据候选类别，确定分类模型，分类模型根据各第一样本文本，以及各第一样本文本对应的底层子类别训练获得，其中，底层子类别位于候选类别所在类别层次结构的底层，候选类别位于类别层次结构的顶层且候选类别为父类别，类别层次结构至少包括2层类别；根据待标注文本以及分类模型，确定待标注文本的实际文本类别，并按照实际文本类别标注待标注文本。

本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的文本类别标注的方法。

本发明的实施方式还提供了一种计算机可读存储介质，计算机程序被处理器执行时实现上述的文本类别标注的方法。

本发明实施方式相对于现有技术而言，由于文本类别的种类非常庞大，通过搜索待标注文本对应的候选类别，可以缩小用于确定该待标注文本的类别的规模，同时在搜索候选类别的过程，将得到的认知因子与相似度的值进行结合，从而矫正相似度，提高对各类别的搜索的准确率，且由于该待标注文本所对应的候选类别的底层子类别的数量远远小于所有底层子类别的数量，因而通过分类模型可以快速从该候选类别的底层子类别中确定出该待标注文本的实际文本类别，提高了确定该待标注文本的类别的确定速度，并且创新性的提出利用机器学习算法产生的结果作为认知因子，而非仅仅简单依赖该结果，综合相似度与认知因子提高了候选类搜索的准确度；通过该待标注文本对应的候选类别，可以确定出分类模型，使得用于确定待标注文本的分类模型更具有针对性，提高了确定待标注文本类别的准确性；候选类别在类别层次结构的顶层，且为父类别，该类别层次结构中包括了至少2层类别，由于无需按照该类别层次结构的顺序，依次判断该待标注文本在每层的所属子类别，而是直接获取了对应的候选类别的所有底层子类别，因而可以减小类别判断的错误所造成影响，能够减少标注错误发生的概率，提高标注的准确性。