[发明专利]文本分类方法、装置、终端设备和可读存储介质

权利要求书

1.一种文本分类方法，其特征在于，该方法包括：

对获取的文本内容进行分词处理；

根据预设的主题词集合从所述文本内容对应的各个词语中确定主题词和基础词；其中，所述预设的主题词集合，利用以下方式预先获取：在确定某一类别的主题词时，确定该类别的文本中的每一个词语的词频-逆向文档频率；所述词频-逆向文档频率大于预设阈值的词语作为该类别的主题词，收录至所述主题词集合；

对各个基础词和各个主题词进行向量化编码，以获取所述各个基础词对应的基础词向量和所述各个主题词对应的主题词向量；

对各个主题词向量进行降维处理，以获得所述各个主题词向量对应的低维主题词向量；

确定所述各个主题词的类别总数和同类主题词的数目；

计算第i个类别中的k个低维主题词向量的平均主题词向量，将各个基础词向量分别和所述平均主题词向量拼接，i≤n，n为所述类别总数；

将各个拼接向量依次输入至预先训练达标的文本分类模型，以确定所述文本内容对应所述第i个类别的概率值。

2.根据权利要求1所述的文本分类方法，其特征在于，将各个拼接向量依次输入至预先训练达标的文本分类模型，包括：

将各个拼接向量依次输入至所述文本分类模型的门控循环单元，以获得各个拼接词向量对应的预测词向量；

计算所有预测词向量的平均预测词向量；

利用softmax函数和所述平均预测词向量计算所述文本内容对应所述第i个类别的概率值。

3.根据权利要求2所述的文本分类方法，其特征在于，所述门控循环单元包括以下函数：

r_t＝σ(W_r·[h_t-1,x_t])

z_t＝σ(W_z·[h_t-1,x_t])

y_t＝σ(W₀·h_t)

r_t表示所述门控循环单元的重置门，z_t表示所述门控循环单元的更新门，h_t-1表示上一时刻隐藏层的保留信息，x_t表示所述拼接向量；表示候选隐含记忆，h_t是当前时刻隐藏层的保留信息，σ()表示sigmoid激活函数，用于将r_t和z_t结果压缩在0到1之间，tanh()表示tanh激活函数，用于将结果缩放至-1到1之间，Wr、Wz、Wo表示门控循环单元的参数。

4.根据权利要求1所述的文本分类方法，其特征在于，所述词频-逆向文档频率通过以下公式确定：

f_j表示所述该类别的文本中第j个词语的词频-逆向文档频率，m_j表示第j个词语在所述该类别的文本中出现的次数，M表示所述该类别的文本的词汇总数，P表示预定数目的对比文本总数，p_j表示在所述预定数目的对比文本中包括第j个词语的目标文本数目。

5.根据权利要求1所述的文本分类方法，其特征在于，对主题词向量进行降维处理，包括：

利用所述主题词向量和所述主题词向量的转置向量确定协方差矩阵；

确定所述协方差矩阵的特征值和所述特征值对应的特征向量；

将所述特征向量按照对应的特征值从大到小排列；

确定排序靠前的预定数目行特征向量，所述预定数目行特征向量作为降维矩阵；

利用所述降维矩阵对所述主题词向量进行降维。