[发明专利]类别确定方法、装置、设备及介质

权利要求书

1.一种类别确定方法，其特征在于，应用于知识图谱问答中，包括：

获取目标语句；

确定与所述目标语句相对应的目标词汇，基于预选训练得到的分类模型对所述目标词汇进行处理，确定所述目标语句的分类类别；

其中，所述分类模型是由双层长短时记忆网络层、全连接层以及激活函数层构成的，用于确定各语句的类别。

2.根据权利要求1所述的方法，其特征在于，在所述获取目标语句之后，还包括：

基于预设分词工具将所述目标语句划分为至少一个待处理词汇；

根据所述至少一个待处理词汇，确定与所述目标语句的目标词汇。

3.根据权利要求1所述的方法，其特征在于，还包括：

根据预先确定的词频字典，确定各个目标词汇所对应的目标词频；

基于所述目标词频，确定所述目标词汇的初始化词向量，以基于所述初始化词向量确定输入至所述分类模型的目标词向量。

4.根据权利要求3所述的方法，其特征在于，所述分类模型中还包括词嵌入层或映射词向量子模型，所述基于所述初始化词向量确定输入至所述分类模型中的目标词向量，包括：

基于词嵌入层或映射词向量子模型，将所述初始化词向量处理为包含语句信息的目标词向量。

5.根据权利要求1所述的方法，其特征在于，还包括：构建所述分类模型；所述构建所述分类包括：词嵌入层或映射词向量子模型、双层长短时记忆网络层、全连接层以及激活函数层；

将与目标语句相对应的初始词向量输入至所述词嵌入层或词向量子模型中，并将输出结果作为双层长短时记忆网络层的输入；

将所述双层长短时记忆网络层的输出作为所述全连接的输入，输入至所述全连接层；

将所述全连接层的输出结果作为所述激活函数层的输入，输入至所述激活函数层中，将所述激活函数层的输出结果作为与所述目标语句相对应的分类类别。

6.根据权利要求5所述的方法，其特征在于，还包括：训练所述分类模型；

所述训练所述分类模型，包括：

获取多个训练样本数据，训练样本数据中包括训练语句、与所述训练语句对应的标签类别；其中，所述标签类别是基于预先确定的映射关系表来确定的；

针对每一个训练样本数据，对所述训练样本数据进行文本向量化，得到输入长度统一的初始文本向量；

将所述训练样本数据输入至预先构建的待训练分类模型中，得到训练结果；

基于训练结果与所述训练样本数据的样本结果，对所述待训练分类模型中的损失函数进行修正，将所述损失函数收敛作为训练目标，训练得到待使用分类模型；

基于校验样本数据对所述待使用分类模型进行校验，当校验结果满足预设条件时，将所述待使用分类模型作为分类模型。

7.根据权利要求6所述的方法，其特征在于，所述基于校验样本数据对所述待使用分类模型进行校验，当校验结果满足预设条件时，将所述待使用分类模型作为分类模型，包括：

获取预设数量的校验样本数据；

将所述校验样本数据输入至所述待使用分类模型中，基于所述待使用分类模型的输出结果确定所述待使用分类模型的准确率；

当所述准确率达到预设准确率阈值，则将所述待使用分类模型作为分类模型；

若所述准确率未达到所述准确率阈值，则获取训练样本数据对所述待使用分类模型继续训练直至所述待使用分类模型的准确率达到所述预设准确率阈值。

8.根据权利要求1-7中任一所述的方法，其特征在于，所述方法应用于知识图普问答中的各个语句中。

9.一种类别确定装置，其特征在于，配置于知识图谱问答中，包括：

目标语句获取模块，用于获取目标语句；

类别确定模块，用于确定与所述目标语句相对应的目标词汇，基于预选训练得到的分类模型对所述目标词汇进行处理，确定所述目标语句的分类类别；

其中，所述分类模型是由双层长短时记忆网络层、全连接层以及激活函数层构成的，用于确定各语句的类别。