[发明专利]一种分类方法、装置和设备、存储介质在审
| 申请号： | 201910591491.4 | 申请日： | 2019-07-02 |
| 公开（公告）号： | CN110399486A | 公开（公告）日： | 2019-11-01 |
| 发明（设计）人： | 孟亚洲;史腾飞 | 申请（专利权）人： | 精硕科技（北京）股份有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F17/27;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京安信方达知识产权代理有限公司 11262 | 代理人： | 王康;栗若木 |
| 地址： | 100080 北京市海淀*** | 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： | 特征向量 词向量 分类 计算机可读存储介质 卷积神经网络 特征信息提取 装置及设备 存储介质 分类结果 目标文本 输出特征 特征信息 图像分类 网络神经 文本分类 卷积 维度 预设 文本 转换 网络 | ||
1.一种分类方法，包括：
根据目标文本生成词向量；
将所述词向量输入全卷积神经网络模型，输出特征信息；
对所述特征信息进行处理生成预设维度的特征向量；
根据所述特征向量确定分类结果。
2.根据权利要求1所述的分类方法，其特征在于，所述对所述特征信息进行处理生成预设维度的特征向量包括：
对所述特征信息进行主成分分析处理生成预设维度的特征向量。
3.根据权利要求1所述的分类方法，其特征在于，所述根据目标文本生成词向量包括：将所述目标文本分词后进行向量化，生成所述词向量。
4.根据权利要求1所述的分类方法，其特征在于，所述根据目标文本生成词向量包括：将所述目标文本进行分词得到分词结果，过滤所述分词结果中的预设信息后，进行向量化，生成所述词向量。
5.根据权利要求1所述的分类方法，其特征在于，所述根据所述特征向量确定分类结果包括：将所述特征向量输入全连接层和分类器，得到分类结果。
6.根据权利要求1所述的分类方法，其特征在于，所述分类结果为情感分类结果。
7.根据权利要求1至6任一所述的分类方法，其特征在于，所述方法还包括：
创建初始全卷积神经网络模型；
获取训练文本，利用所述训练文本对所述初始全卷积神经网络模型进行训练，获得所述全卷积神经网络模型。
8.一种分类装置，其特征在于，包括：
分词模块，用于根据目标文本生成词向量；
全卷积神经网络模块，用于将所述词向量输入全卷积神经网络模型，输出特征信息；
降维模块，用于对所述特征信息进行处理生成预设维度的特征向量；
分类模块，用于根据所述特征向量确定分类结果。
9.一种分类设备，其特征在于，包括存储器和处理器，所述存储器存储有程序，所述程序在被所述处理器读取执行时，实现如权利要求1至7任一所述的分类方法。
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存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至7任一所述的分类方法。
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精硕科技（北京）股份有限公司，未经精硕科技（北京）股份有限公司许可，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/201910591491.4/1.html，转载请声明来源钻瓜专利网。
- 上一篇：基于词向量和机器学习的数据溯源方法和系统
- 下一篇：文本分类方法及装置
