[发明专利]一种基于神经网络的信息分类方法和系统

权利要求书

1.一种基于神经网络的信息分类方法，其特征在于，所述方法包括：

步骤S1，构建信息分类模型，而且，在构建所述信息分类模型时，选择多个隐层向量参与词向量编码和句向量编码，所述隐层向量是所述信息分类模型的模型参数；

步骤S2，获取当前反馈文本信息；

步骤S3，获取所述当前反馈文本信息对应的当前词向量；

步骤S4，将所述当前词向量输入所述信息分类模型，获取所述当前反馈文本信息的类型；

所述构建信息分类模型步骤，包括：

步骤S11，获取历史反馈文本信息；所述历史反馈文本信息预先标记类型；

步骤S12，获取所述历史反馈文本信息对应的历史词向量；

步骤S13，根据所述历史词向量训练信息分类模型；

步骤S14，根据后向反馈算法优化所述信息分类模型的模型参数；

所述根据所述历史词向量训练信息分类模型步骤，包括：

根据TextRNN模型对所述历史词向量进行词向量编码；

选择多个隐层向量参与所述词向量编码，其余隐层向量设置为零；所述隐层向量是所述信息分类模型的模型参数；

根据Attention机制对编码后的所述历史词向量加权，生成历史句向量；

根据TextRNN机制对所述历史句向量进行句向量编码；

选择多个所述隐层向量参与所述句向量编码，其余隐层向量设置为零；

根据Attention机制对所述编码后的历史句向量加权，以生成输出向量；

根据所述输出向量获取所述历史反馈文本信息的类型对应的概率；

所述根据后向反馈算法优化所述信息分类模型的模型参数步骤，包括：

根据后向反馈算法更新所述信息分类模型的模型参数；

重复步骤S13,根据所述历史反馈文本信息的类型对应的概率获取概率值误差；

判断所述概率值误差是否超过预设阈值；如果所述概率值误差大于预设阈值，则重复步骤S14；如果所述概率值误差小于等于预设阈值，则执行步骤S2。

2.根据权利要求1所述的方法，其特征在于，所述获取所述当前反馈文本信息对应的当前词向量步骤，包括：

对所述当前反馈文本信息进行分词处理，生成多个词语；

生成每个所述词语对应的当前词向量。

3.根据权利要求1所述的方法，其特征在于，所述将所述当前词向量输入所述信息分类模型，以获取所述当前反馈文本信息的类型步骤，包括：

将所述当前词向量输入所述信息分类模型，获取所述当前反馈文本信息每个类型对应的概率；将概率最大的当前反馈文本信息的类型作为所述当前反馈文本信息的类型。