[发明专利]一种文本分类方法、装置、计算机设备及存储介质

说明书

本发明公开了一种文本分类方法、装置、计算机设备及存储介质，该方法包括：获取待进行文本分类的文档，对文档进行分词；构建包含四种类型节点的图网络，并设置对应的图网络矩阵，其中，四种类型节点是指文档节点、段落节点、句子节点以及词节点；构建目标邻接矩阵；对四种类型节点进行子图聚类，并结合图网络矩阵拼接得到目标图网络矩阵；将目标邻接矩阵和目标图网络矩阵输入至图卷积神经网络，并由图卷积神经网络输出文档对应的图隐含向量，然后利用分类函数对图隐含向量进行分类，得到文档的分类结果。本发明实施例采用图卷积神经网络提取文档中的深层次语义特征，使得文本分类更为准确。

技术领域

本发明涉及计算机软件应用技术领域，特别涉及一种文本分类方法、装置、计算机设备及存储介质。

背景技术

文本分类是自然语言处理领域中的常见任务。近年来，从传统基于特征工程+机器学习分类技术，诸如基于TF-IDF(词频-逆文档频率)提取特征再训练机器学习分类器，到将各种基于CNN(卷积神经网络)、RNN(循环神经网络)的深度学习方法引入文本分类领域中，使得文本分类的准确率已经得到了很大提高。但现有方法从整体上而言，依然是着眼于局部特征的捕捉，从整体文档层面获取更高层面、更隐含信息的技术手段依然有限，因此文本分类的准确率仍有提升空间。

例如，论文《Graph Convolutional Networks for Text Classification》利用图卷积神经网络GCN提取文档的更深层次信息。构造了包含文档节点和词节点组成的图，词节点之间以TF-IDF(term frequency–inverse document frequency，一种用于信息检索与数据挖掘的常用加权技术)信息为边权重，文档节点和词节点之间则用PMI(Pointwisemutual information，逐点互信息)信息-词共现信息为边的权重，并用两层GCN提取信息，最后用softmax分类函数输出类别标签。其虽然考虑了文档和词之间的隐含联系，但忽略了其它重要信息，例如对于文档和句子之间的隐含特征尚未考虑；其次采用GCN对整个图进行卷积操作的方式显得比较粗糙。

发明内容

本发明实施例提供了一种文本分类方法、装置、计算机设备及存储介质，旨在提高文本分类精度。

第一方面，本发明实施例提供了一种文本分类方法，包括：

获取待进行文本分类的文档，对所述文档进行分词；

基于分词结果构建包含四种类型节点的图网络，并对所述图网络设置对应的图网络矩阵，其中，所述四种类型节点是指所述文档的文档节点、所述文档中的段落节点、段落中的句子节点以及句子中的词节点；

根据所述图网络矩阵构建目标邻接矩阵；

对所述四种类型节点进行子图聚类，并结合所述图网络矩阵拼接得到目标图网络矩阵；

将所述目标邻接矩阵输入至图卷积神经网络，并由所述图卷积神经网络输出所述文档对应的图隐含向量，然后利用分类函数对所述图隐含向量进行分类，得到所述文档的分类结果。

第二方面，本发明实施例提供了一种文本分类装置，包括：

分词单元，用于获取待进行文本分类的文档，对所述文档进行分词；

第一构建单元，用于基于分词结果构建包含四种类型节点的图网络，并对所述图网络设置对应的图网络矩阵，其中，所述四种类型节点是指所述文档的文档节点、所述文档中的段落节点、段落中的句子节点以及句子中的词节点；

第二构建单元，用于根据所述图网络矩阵构建目标邻接矩阵；

第一聚类单元，用于对所述四种类型节点进行子图聚类，并结合所述图网络矩阵拼接得到目标图网络矩阵；