[发明专利]对话文本的分类方法和电子设备

权利要求书

1.一种对话文本的分类方法，其特征在于，包括：

获取对话文本；

通过多层次自注意力机制的编码器对所述对话文本进行编码，得到所述对话文本的文档向量；

计算所述文档向量分别与多个原型网络的向量距离；其中，所述多个原型网络对应多个类别，所述多个原型网络是基于类别已经确定的样本对话文本训练得到；

基于计算得到的向量距离以及所述多个原型网络的类别，确定所述对话文本的类别。

2.根据权利要求1所述的方法，其特征在于，所述通过多层次自注意力机制的编码器对所述对话文本进行编码，得到所述对话文本的文档向量包括：

确定所述对话文本中的字符的向量表示；

通过多层次自注意力机制的编码器对所述字符的向量表示进行编码，得到所述对话文本的句子向量；

通过所述多层次自注意力机制的编码器对所述句子向量进行编码，得到所述对话文本的文档向量。

3.根据权利要求2所述的方法，其特征在于，所述确定所述对话文本中的字符的向量表示；通过多层次自注意力机制的编码器对所述字符的向量表示进行编码，得到所述对话文本的句子向量包括：

对所述对话文本进行字符拆分，得到所述对话文本中的字符；

基于预设的嵌入矩阵以及双向门控循环单元GRU神经网络，得到所述字符的第一向量表示；

将所述字符的第一向量表示输入到字符集的编码器的编码层，得到所述字符的第二向量表示；

将所述字符的第二向量表示输入到字符集的编码器的自注意力层，得到所述对话文本的句子向量。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于计算得到的向量距离以及所述多个原型网络的类别，确定所述对话文本的类别包括：

确定计算得到的向量距离中的最小向量距离；

将所述最小向量距离对应的原型网络的类别，作为所述对话文本的类别。

5.根据权利要求1所述的方法，其特征在于，所述计算所述文档向量分别与多个原型网络的向量距离之前，所述方法包括：

获取所述样本对话文本；其中，所述样本对话文本包括有标签，所述标签反映所述样本对话文本的类别；

基于所述样本对话文本及其标签进行模型训练，以得到所述多个原型网络。

6.一种对话文本的分类方法，其特征在于，包括：

获取类别已经确定的样本对话文本；

基于所述样本对话文本及所述类别进行模型训练以得到原型网络；

其中，所述原型网络用于基于目标文档向量与所述原型网络的向量距离，预测目标对话文本的类别；所述目标文档向量是通过多层次自注意力机制的编码器对所述目标样本对话文本进行编码得到的。

7.一种电子设备，其特征在于，包括：

文本获取模块，用于获取对话文本；

向量得到模块，用于通过多层次自注意力机制的编码器对所述对话文本进行编码，得到所述对话文本的文档向量；

距离计算模块，用于计算所述文档向量分别与多个原型网络的向量距离；其中，所述多个原型网络对应多个类别，所述多个原型网络是基于类别已经确定的样本对话文本训练得到；

类别确定模块，用于基于计算得到的向量距离以及所述多个原型网络的类别，确定所述对话文本的类别。

8.一种电子设备，其特征在于，包括：

文本获取模块，用于获取类别已经确定的样本对话文本；

模型训练模块，用于基于所述样本对话文本及所述类别进行模型训练以得到原型网络；

其中，所述原型网络用于基于目标文档向量与所述原型网络的向量距离，预测目标对话文本的类别；所述目标文档向量是通过多层次自注意力机制的编码器对所述目标样本对话文本进行编码得到的。

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6任一项所述的方法。

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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。