[发明专利]文本分类方法、装置、计算机设备及存储介质

权利要求书

1.文本分类方法，其特征在于，包括：

获取需分类的文本数据，以得到待分类数据；

将待分类数据输入目标文本分类模型进行分类，以得到分类结果；

输出所述分类结果至终端，以在终端显示所述分类结果；

其中，所述目标文本分类模型是通过对输入的文本数据进行提取向量集并生成标签后结合形成训练数据集进行训练所得的。

2.根据权利要求1所述的文本分类方法，其特征在于，所述目标文本分类模型是通过对输入的文本数据进行提取向量集并生成标签后结合形成训练数据集进行训练所得的，包括：

获取输入的文本数据，以得到初始数据；

对初始数据进行提取向量集，以得到初始向量集；

对初始数据生成标签，以得到初始标签；

将初始向量集以及初始标签进行组合，以得到训练数据集；

构建初始文本分类模型以及损失函数；

通过训练数据集训练所述初始文本分类模型，以得到目标文本分类模型。

3.根据权利要求2所述的文本分类方法，其特征在于，所述对初始数据进行提取向量集，以得到初始向量集，包括：

对初始数据按照词组切分为词的列表集合或对初始数据按照单字切分为字的列表集合，以得到列表集合；

对列表集合映射至向量空间，以得到初始向量集。

4.根据权利要求2所述的文本分类方法，其特征在于，所述对初始数据生成标签，以得到初始标签，包括：

利用关键字查找以及正则表达式匹配的方式对初始数据进行处理，以得到初始标签。

5.根据权利要求2所述的文本分类方法，其特征在于，所述通过训练数据集训练所述初始文本分类模型，以得到目标文本分类模型，包括：

设定迭代条件；

将训练数据集输入至所述初始文本分类模型进行训练，以得到训练结果；

采用损失函数以及训练结果计算损失值；

判断所述损失值是否维持不变；

若所述损失值不是维持不变，则调整所述初始文本分类模型的参数，并执行所述将训练数据集输入至所述初始文本分类模型进行训练，以得到训练结果；

若所述损失值维持不变，则获取测试数据集；

将测试数据集输入初始文本分类模型内进行分类测试，以得到测试结果；

判断所述测试结果是否符合要求；

若所述测试结果不符合要求，则判断所述迭代条件是否满足要求；

若所述迭代条件满足要求，则筛选出训练结果内置信度低于设定值所对应的训练数据集；

修改所筛选出来的训练数据集的标签，以更新所述训练数据集，并执行所述将训练数据集输入至所述初始文本分类模型进行训练，以得到训练结果；

若迭代条件不满足要求，则将所述初始文本分类模型作为目标文本分类模型；

若所述测试结果符合要求，则将所述初始文本分类模型作为目标文本分类模型。

6.根据权利要求5所述的文本分类方法，其特征在于，所述训练结果包括文本类别以及置信度。

7.根据权利要求5所述的文本分类方法，其特征在于，所述修改所筛选出来的训练数据集的标签，包括：

通过脚本修改所筛选出来的训练数据集的标签。

8.文本分类装置，其特征在于，包括：

获取单元，用于获取需分类的文本数据，以得到待分类数据；

分类单元，用于将待分类数据输入目标文本分类模型进行分类，以得到分类结果；

输出单元，用于输出所述分类结果至终端，以在终端显示所述分类结果。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如权利要求1至7中任一项所述的方法。