[发明专利]无监督文本分类系统及方法在审
| 申请号： | 201911150769.0 | 申请日： | 2019-11-21 |
| 公开（公告）号： | CN110889443A | 公开（公告）日： | 2020-03-17 |
| 发明（设计）人： | 张发展;刘世林;罗镇权;李焕 | 申请（专利权）人： | 成都数联铭品科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F40/30 |
| 代理公司： | 北京市领专知识产权代理有限公司 11590 | 代理人： | 林辉轮;张玲 |
| 地址： | 610015 四川省成都市自由贸易试验区*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 监督 文本 分类 系统 方法 | ||
1.一种无监督文本分类方法，其特征在于，包括以下步骤：
针对于每个分类标签，设置种子关键词；
采用预训练的词向量对种子关键词进行语义相似词扩充，得到扩充关键词；
将种子关键词和扩充关键词编码为词向量；
将待分类文本转换为文本向量；
基于所述词向量，对所述文本向量进行分类。
2.根据权利要求1所述的方法，其特征在于，所述将种子关键词和扩充关键词编码为词向量的步骤中，采用预训练的BERT模型进行编码。
3.根据权利要求1所述的方法，其特征在于，所述将待分类文本转换为文本向量的步骤中，首先将待分类文本中的词转成词向量，然后对转换后的词向量按照位置求和取均值，最后生成的向量作为文本的向量。
4.根据权利要求1所述的方法，其特征在于，所述基于所述词向量，对所述文本向量进行分类的步骤中，采用K邻近算法进行分类。
5.一种无监督文本分类系统，其特征在于，包括：
配置模块，用于针对于每个分类标签，设置种子关键词；
扩充模块，用于采用预训练的词向量对种子关键词进行语义相似词扩充，得到扩充关键词；
词转换模块，用于将种子关键词和扩充关键词编码为词向量；
文本转换模块，用于将待分类文本转换为文本向量；
分类模块，用于基于词转换模块中输出的所述词向量，对所述文本向量进行分类。
6.根据权利要求5所述的系统，其特征在于，所述词转换模块采用预训练的BERT模型将种子关键词和扩充关键词编码为词向量。
7.根据权利要求5所述的系统，其特征在于，所述文本转换模块，首先将待分类文本中的词转成词向量，然后对转换后的词向量按照位置求和取均值，最后生成的向量作为文本的向量。
8.根据权利要求5所述的系统，其特征在于，所述分类模块采用K邻近算法进行分类。
9.一种包括计算机可读指令的计算机可读存储介质，其特征在于，所述计算机可读指令在被执行时使处理器执行权利要求1-4任一所述方法中的操作。
10.一种电子设备，其特征在于，所述的设备包括：
存储器，存储程序指令；
处理器，与所述存储器相连接，执行存储器中的程序指令，实现权利要求1-4任一所述方法中的步骤。
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成都数联铭品科技有限公司，未经成都数联铭品科技有限公司许可，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/201911150769.0/1.html，转载请声明来源钻瓜专利网。
