[发明专利]面向数据共享交换的文本数据分类分级模型的建立方法

权利要求书

1.一种面向数据共享交换的文本数据分类分级模型的建立方法，其特征在于：包括如下步骤：

步骤一、对文本数据进行向量化，形成数据的结构化描述：

1.1)输入文本集P＝{P₁,P₂,...,P_t,...,P_M}，其中P_t为第t个文本，M为文本总数，设定每个文本提取的关键词数为M_key，阻尼因子d、滑动窗口宽度ω，迭代停止阈值σ、最大迭代次数G_max；

1.2)将文本集P中每个文本利用分词算法进行分词并去掉停用词；

1.3)利用TF-IDF算法计算文本集合P中对应的每个词的TF-IDF值；

1.4)对文本集P中每个文本进行向量化，得到各文本的词向量：

1.4.1)基于宽度ω，滑动窗口扫过文本词组，采用共现关系构造任意两点之间的边，从而构建由P_t中的词构成的图G_t；

1.4.2)根据下式迭代计算图G_t中各节点σ的得分，直至两次得分之差小于σ：

其中，W(V_i)_TF-IDF为词V_i的TF-IDF值，V_i和V_j分别表示图G_t中第i、j节点，S(V_i)为第i个节点的节点权值得分，I(V_i)为P_t中所有连接到V_i的节点构成的集合；O(V_j)为P_t中节点V_i连接到的节点构成的集合；

1.4.3)对G_t中各节点的权重得分按降序排列，取前M_key个节点对应的词构成关键词集合K；

1.4.4)依据下式计算文本P_t的词向量；

其中V_k和W(V_k)_TF-IDF分别代表集合K中第k个关键词的词向量和此关键词对应的TF-IDF值；

1.5)输出文本集P的文本向量集；

步骤二、利用BiGRU-CNN串行混合分类模型对向量化后的数据进行分类：

2.1)建立BiGRU-CNN串行混合分类模型，所述BiGRU-CNN串行混合分类模型包括：

2.1.1)嵌入层：将文本的词向量进行拼接，生成句子级词向量矩阵：

其中S_ij表示由i个词向量拼接成的第j个句子的词向量矩阵；⊕表示词向量的拼接操作；

2.1.2)BiGRU：以S_ij为BiGRU层的输入，将输入序列分别从其正反两个方向输入，通过隐藏层提取文本的上文信息特征和文本的下文信息特征，最后通过下式将两个方向的隐层输出进行拼接：

h_ij＝BiGRU(S_ijt)

2.1.3)Conv：使用滤波器为3*100，4*100，5*100各128个CNN网络提取局部语义特征，并通过下式进行计算：

O_ijt＝CNN(h_ijt)

其中，h_ijt表示在t时刻BiGRU的输出；O_ijt表示t时刻CNN的输出；

2.1.4)利用全局平均池化对输出矩阵进行降维，对CNN中不同卷积核提取的局部语义特征语义进行融合，最后使用全连接层进行连接；

2.1.5)输出：通过Softmax函数进行文本分类，分类函数如下式所示：

y_i＝Softmax(w_id_ijt+b_i)

其中：w_i表示Dense层到输出层的权重系数矩阵，w_i表示相应的偏置，d_ijt表示在t时刻Dense层的输出向量；

2.2)通过分类实战模拟，进一步训练BiGRU-CNN串行混合分类模型：

2.2.1)对实际的文本业务数据利用BiGRU-CNN模型进行分类，将分类后的结果进行记录；

2.2.2)将分类完成后的文本数据作为新的训练数据，添加到训练样本集中；

2.3)对于分类结果有异议的文本数据，由人工进行辅助判断，人工决策后，将该数据输入分类模型，作为训练样本，重新学习；

步骤三、对分类数据进行安全等级划分；

步骤四、建立数据分级分类模型。