[发明专利]文本分类方法、装置、计算机设备和存储介质

说明书

本申请提供了一种文本分类方法、装置、计算机设备和存储介质，该方法包括：生成多个主题数；针对多个主题数中的每个主题数，根据多个文本中包括的词汇的词频，对每个文本属于该主题数个主题的初始概率进行校准，得到每个文本属于该主题数个主题的校准概率；针对多个主题数中的每个主题数，基于每个文本属于该主题数个主题的校准概率对所述多个文本进行预分类处理的分类结果，从所述多个主题数中，选择目标主题数；基于所述目标主题数，对所述多个文本进行分类处理，得到所述多个文本的分类结果。本申请能够提供对文本进行分类的分类结果的准确度。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种文本分类方法、装置、计算机设备和存储介质。

背景技术

将文本信息按照相应的主题进行文本聚类在文本处理领域有着非常重要的应用，然而由于文本信息覆盖面非常广，每天产生的文本信息数目也非常巨大，因此，开展大规模文本聚类分析有着非常重要的意义。

现有的文本聚类分析在主题个数增大的情况下，如果限制主题数量，则在不同主题下的文本将会混杂在一起，最终得到的分类结果的准确度比较低。

发明内容

有鉴于此，本申请的目的在于提供一种文本分类方法、装置、计算机设备和存储介质，用以提高文本分类结果的准确度。

第一方面，本申请实施例提供了一种文本分类方法，该方法包括：

生成多个主题数；

针对多个主题数中的每个主题数，根据多个文本中包括的词汇的词频，对每个文本属于该主题数个主题的初始概率进行校准，得到每个文本属于该主题数个主题的校准概率；

针对多个主题数中的每个主题数，基于每个文本属于该主题数个主题的校准概率对所述多个文本进行预分类处理的分类结果，从所述多个主题数中，选择目标主题数；

基于所述目标主题数，对所述多个文本进行分类处理，得到所述多个文本的分类结果。

在一种实施方式中，针对多个主题数中的每个主题数，根据多个文本中包括的词汇的词频，对每个文本属于该主题数个主题的初始概率进行校准，得到每个文本属于该主题数个主题的校准概率，包括：

根据多个文本中包括的词汇的词频，为所述多个文本生成词频矩阵；所述词频矩阵包括每个文本中表征词汇重要性的词汇权重；

针对每个主题数，基于每个文本属于该主题数个主题的初始概率，以及每个文本在每个主题下的初始系数，生成所述多个文本对应的生成矩阵；

按照生成矩阵与词频矩阵之间的距离最小原则，调整每个文本属于该主题数个主题的初始概率，得到每个文本属于该主题数个主题的校准概率。

在一种实施方式中，针对多个主题数中的每个主题数，基于每个文本属于该主题数个主题的校准概率对所述多个文本进行预分类处理的分类结果，从所述多个主题数中，选择目标主题数，包括：

基于每个文本属于该主题数个主题的校准概率对所述多个文本进行预分类的分类结果，以及预设的分类结果和评估系数之间的计算关系，得到该主题数对应的评估系数；

将最大评估系数对应的主题数作为所述目标主题数。

在一种实施方式中，基于所述目标主题数，对所述多个文本进行分类处理，得到所述多个文本的分类结果，包括：

针对每个文本，基于该文本属于所述目标主题数个主题的校准概率，从所述目标主题数个主题中，确定该文本所属的主题；

将属于同一个主题的文本确定为一个分类。

在一种实施方式中，根据多个文本中包括的词汇的词频，为所述多个文本生成词频矩阵，包括：