[发明专利]一种信息的处理方法、装置及设备

说明书

本说明书实施例提供了一种信息的处理方法、装置及设备，包括：获取待处理的原始文本信息；对原始文本信息进行特征提取，得到与原始文本信息对应的原始文本特征信息；将原始文本特征信息输入至预先训练的预设网络模型中，得到与原始文本特征信息对应的原始文本向量；判断原始文本向量是否处于预设类别所对应的文本向量空间区域，若是，则确定原始文本信息对应的类别为原始文本向量所在文本向量空间区域对应的目标类别；若否，则确定原始文本信息对应的类别未处于预设类别内，并输出与原始文本向量对应的原始文本信息；其中，原始文本向量与预设类别的文本向量起点相同，预先训练的预设网络模型为基于预设类别的样本数据进行有监督的训练得到的。

技术领域

本发明涉及计算机技术领域，尤其涉及一种信息的处理方法、装置及设备。

背景技术

目前，对于文本分类的方式，通常采用基于深度学习模型的文本分类器来 实现，基于已知的训练样本数据及上述训练样本数据所对应的标签，以及标签 的种类进行有监督的分类训练。

然而，由于已知训练样本数据所对应的标签的种类是有限的，因此，通过 上述方式生成的文本分类器所能识别的文本数据的种类也是有限的，这样，一 旦出现待识别的文本数据所对应的标签种类不包含在上述文本分类训练器时， 常常会出现文本分类器强行根据相似性给上述文本数据贴上某已知标签的问 题，为此，需要提供一种能够有效提高文本数据分类准确度的技术方案。

发明内容

本说明书实施例的目的是提供一种信息的处理方法、装置及设备，以提供 一种能够有效提高文本数据分类准确度的技术方案。

为了解决上述技术问题，本说明书实施例是这样实现的：

第一方面，本说明书实施例提供了一种信息的处理方法，包括：获取待处 理的原始文本信息。对所述原始文本信息进行特征提取，得到与所述原始文本 信息对应的原始文本特征信息。将所述原始文本特征信息输入至预先训练的预 设网络模型中，得到与所述原始文本特征信息对应的原始文本向量。判断所述 原始文本向量是否处于预设类别所对应的文本向量空间区域，若是，则确定所 述原始文本信息对应的类别为所述原始文本向量所在文本向量空间区域对应 的目标类别。若否，则确定所述原始文本信息对应的类别未处于所述预设类别 内，并输出与所述原始文本向量对应的所述原始文本信息。其中，所述原始文 本向量的起点与所述预设类别所对应的文本向量的起点相同，所述预先训练的 预设网络模型为基于所述预设类别的样本数据进行有监督的训练得到的。

第二方面，本说明书实施例提供了一种信息的处理装置，包括：第一获取 模块，获取待处理的原始文本信息。特征提取模块，对所述原始文本信息进行 特征提取，得到与所述原始文本信息对应的原始文本特征信息。第一输入模块， 将所述原始文本特征信息输入至预先训练的预设网络模型中，得到与所述原始 文本特征信息对应的原始文本向量。第一处理模块，判断所述原始文本向量是 否处于预设类别所对应的文本向量空间区域，若是，则确定所述原始文本信息 对应的类别为所述原始文本向量所在文本向量空间区域对应的目标类别。若否， 则确定所述原始文本信息对应的类别未处于所述预设类别内，并输出与所述原 始文本向量对应的所述原始文本信息。其中，所述原始文本向量的起点与所述 预设类别所对应的文本向量的起点相同，所述预先训练的预设网络模型为基于 所述预设类别的样本数据进行有监督的训练得到的。