[发明专利]一种文本分类方法、装置、设备及存储介质

说明书

本申请提供了一种文本分类方法、装置、设备及存储介质，该方法包括：将待分类文本拆分为至少一个语句；对每个语句进行分词处理，得到所述语句对应的分词；将每个语句对应的分词与词库中不同关联深度的关键词进行匹配，得到所述语句对应的目标关键词；确定每个语句对应的目标关键词的分类标签，将所述分类标签确定为所述语句对应的目标类别，所述目标类别包括至少一个目标关键词；基于每个语句对应的目标类别中各个目标关键词的关联深度以及所述目标类别包括的目标关键词的数量，确定所述语句对应的目标类别权重；基于每个语句对应的目标类别权重，确定待分类文本的分类结果。本申请能够保留文本中尽可能多的信息，提高文本分类准确率。

技术领域

本申请属于互联网技术领域，具体涉及一种文本分类方法、装置、设备及存储介质。

背景技术

随着聊天信息、微博、搜索引擎、在线广告、观点评论、开放型问答等的广泛应用，短文本被人们使用的越来越频繁。由于短文本具有字数较少、结构松散、语法随意、停用词占比大等特点，导致短文本的分类较为困难。

现有技术主要采用关键词匹配、文档关键词抽取等方法对短文本进行分类。然而现有的关键词匹配方法主要是从关键词单一维度进行判定分类，分类准确率不高。文档关键词抽取通常通过词频等手段，而短文本场景因词量不足转而会通过汇聚更多短文本拼凑成文档之后，再进行关键词抽取，而对拼凑成的文档进行关键词抽取，会导致抽取结果仅获取了多个短文本中较有共性的问题，丢失了短文本中大量的信息，进而影响短文本的分类准确率。

发明内容

为了保留短文本中尽可能多的信息，提高短文本分类的准确率，本申请提出一种文本分类方法、装置、设备及存储介质。

一方面，本申请提出了一种文本分类方法，所述方法包括：

将待分类文本拆分为至少一个语句；

对每个语句进行分词处理，得到所述语句对应的分词；

将每个语句对应的分词与词库中不同关联深度的关键词进行匹配，得到所述语句对应的目标关键词；

确定每个语句对应的目标关键词的分类标签，将所述分类标签确定为所述语句对应的目标类别；其中，所述目标类别包括至少一个目标关键词；

基于每个语句对应的目标类别中各个目标关键词的关联深度以及所述目标类别包括的目标关键词的数量，确定所述语句对应的目标类别权重；

基于每个语句对应的目标类别权重，确定所述待分类文本的分类结果。

另一方面，本申请提出了一种文本分类装置，所述装置包括：

拆分模块，用于将待分类文本拆分为至少一个语句；

分词模块，用于对每个语句进行分词处理，得到所述语句对应的分词；

匹配模块，用于将每个语句对应的分词与词库中不同关联深度的关键词进行匹配，得到所述语句对应的目标关键词；

目标类别确定模块，用于确定每个语句对应的目标关键词的分类标签，将所述分类标签确定为所述语句对应的目标类别；其中，所述目标类别包括至少一个目标关键词；

权重确定模块，用于基于每个语句对应的目标类别中各个目标关键词的关联深度以及所述目标类别包括的目标关键词的数量，确定所述语句对应的目标类别权重；

分类结果确定模块，用于基于每个语句对应的目标类别权重，确定所述待分类文本的分类结果。

另一方面，本申请提出了一种设备，所述设备包括：处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述所述的文本分类方法。