[发明专利]基于深度学习模型接处警警情发生地类型确定方法和装置

权利要求书

1.一种基于深度学习模型的接处警警情发生地类型确定方法，包括：

将待分类接处警文本进行切词得到相应的分词序列；

基于所得到的分词序列确定所述待分类接处警文本的文本特征向量；

对于预设接处警警情发生地类型集合中的每个接处警警情发生地类型，将所述文本特征向量输入与该接处警警情发生地类型对应的分类模型，得到用于指示所述待分类接处警文本是否属于该接处警警情发生地类型的分类结果，其中，与各所述接处警警情发生地类型对应的分类模型是基于深度学习模型训练得到的；

用所述预设接处警警情发生地类型集合中的各目标接处警警情发生地类型生成所述待分类接处警文本对应的接处警警情发生地类型集合，其中，分类结果指示所述待分类接处警文本属于目标接处警警情发生地类型。

2.根据权利要求1所述的方法，其中，所述预设接处警警情发生地类型集合中每个接处警警情发生地类型对应的分类模型是通过如下训练步骤预先训练得到的：

获取训练样本集合，训练样本包括历史接处警文本和对应的标注警情发生地类型集合；

对于所述预设接处警警情发生地类型集合中的每个接处警警情发生地类型，执行以下分类模型训练操作：将所述训练样本集合中对应的标注警情发生地类型集合包括该接处警警情发生地类型的各训练样本中的历史接处警文本对应的文本特征向量确定为该接处警警情发生地类型对应的正样本集合；将所述训练样本集合中对应的标注警情发生地类型集合不包括该接处警警情发生地类型的各训练样本中的历史接处警文本对应的文本特征向量确定为该接处警警情发生地类型对应的负样本集合；基于该接处警警情发生地类型对应的正样本集合和负样本集合训练该接处警警情发生地类型对应的基于深度学习模型的分类模型。

3.根据权利要求2所述的方法，其中，所述基于所得到的分词序列确定所述待分类接处警文本的文本特征向量，包括：

对于所述分词序列中的每个分词，计算该分词的词频-逆文本频率指数TF-IDF，以及将所述待分类接处警文本的文本特征向量中与该分词对应的分量设置为计算得到的该分词的TF-IDF，其中，所述待分类接处警文本的文本特征向量中的各分量分别与预设词典中的各词语一一对应；

将所述待分类接处警文本的文本特征向量中的各未赋值分量设置为预设数值，未赋值分量为属于所述预设词典但不属于所述分词序列的词语对应的分量。

4.根据权利要求1-3中任一所述的方法，其中，所述预设接处警警情发生地类型集合包括以下至少一项：住宅、商场、写字楼、学校、政府、医院、景区、车站。

5.一种基于深度学习模型的接处警警情发生地类型确定装置，包括：

切词单元，被配置成将待分类接处警文本进行切词得到相应的分词序列；

向量生成单元，被配置成基于所得到的分词序列确定所述待分类接处警文本的文本特征向量；

分类单元，被配置成对于预设接处警警情发生地类型集合中的每个接处警警情发生地类型，将所述文本特征向量输入与该接处警警情发生地类型对应的分类模型，得到用于指示所述待分类接处警文本是否属于该接处警警情发生地类型的分类结果，其中，与各所述接处警警情发生地类型对应的分类模型是基于深度学习模型训练得到的；

类型生成单元，被配置成用所述预设接处警警情发生地类型集合中的各目标接处警警情发生地类型生成所述待分类接处警文本对应的接处警警情发生地类型集合，其中，分类结果指示所述待分类接处警文本属于目标接处警警情发生地类型。