[发明专利]文档的分类识别方法、装置和电子设备

权利要求书

1.一种文档的分类识别方法，包括：

获取待处理文档；

从所述待处理文档之中提取目标语句集合，并获取所述目标语句集合之中目标语句的语义特征；

从所述待处理文档之中提取写作特征；

根据所述语义特征和所述写作特征生成所述待处理文档的分类。

2.如权利要求1所述的方法，所述获取所述目标语句集合之中目标语句的语义特征，包括：

将所述目标语句集合之中的目标语句输入至学生分类模型的特征提取层，以生成初始语义特征；

根据预设敏感词生成注意力权重；

根据所述注意力权重对所述初始语义特征进程处理以生成所述语义特征。

3.如权利要求1所述的方法，所述从所述待处理文档之中提取目标语句集合，包括：

提取所述待处理文档的标题，并作为所述目标语句加入所述目标语句集合；

提取所述待处理文档之中的前N句语句，并作为所述目标语句加入所述目标语句集合。

4.如权利要求2所述的方法，所述学生分类模型通过以下步骤生成：

获取标注数据；

根据所述标注数据对教师分类模型进行训练；

获取无标注数据；

根据训练得到的教师分类模型对所述无标注数据进行预测以生成分类类型标签；

根据所述分类类型标签和所述标注数据对所述学生分类模型进行训练。

5.如权利要求4所述的方法，其中，还包括：

对所述标注数据进行增强。

6.如权利要求5所述的方法，其中，所述对所述标注数据进行增强，包括：

获取所述标注数据之中的文本内容；

使用同义词或者正则表达式对所述文本内容进行随机替换，将替换之后的文本内容作为所述标注数据。

7.如权利要求5所述的方法，其中，所述对所述标注数据进行增强，包括：

获取所述标注数据之中的文本内容，其中，所述文本内容为第一语言；

将所述文本内容从所述第一语言翻译为第二语言；

将所述第二语言的文本内容进行回译，将回译之后的文本内容作为所述标注数据。

8.如权利要求5所述的方法，其中，所述对所述标注数据进行增强，包括：

获取所述标注数据之中的正常文本内容和异常文本内容；

将所述正常文本内容和所述异常文本内容进行合并，以生成合并文本内容；

将所述合并文本内容作为所述标注数据。

9.如权利要求5所述的方法，其中，所述对所述标注数据进行增强，包括：

获取所述标注数据之中的文本内容；

获取所述文本内容之中的标题和正文；

对所述文本内容之中的标题或正文进行替换，并将替换之中的文本内容作为所述标注数据。

10.如权利要求5所述的方法，其中，所述对所述标注数据进行增强，包括：

通过随机算法生成文本内容，并作为所述标注数据。

11.一种文档的分类识别装置，包括：

获取模块，用于获取待处理文档；

处理模块，用于从所述待处理文档之中提取目标语句集合，并获取所述目标语句集合之中目标语句的语义特征；

提取模块，用于从所述待处理文档之中提取写作特征；

生成模块，用于根据所述语义特征和所述写作特征生成所述待处理文档的分类。

12.如权利要求11所述的装置，所述处理模块，还用于：

将所述目标语句集合之中的目标语句输入至学生分类模型的特征提取层，以生成初始语义特征；

根据预设敏感词生成注意力权重；

根据所述注意力权重对所述初始语义特征进程处理以生成所述语义特征。