[发明专利]一种文本数据多标签分类方法及装置

权利要求书

1.一种文本数据多标签分类方法，其特征在于，所述方法包括：

对待分析文本数据进行预处理，得到词/字序列；

将所述词/字序列输入至多标签分类模型中，得到所述待分析文本数据的标签概率向量；

根据所述待分析文本数据的标签概率向量及预设的标签分类阈值，计算得到所述待分析文本数据的标签列表；

其中，所述多标签分类模型包括嵌入层及编码分类层；所述嵌入层用于根据文本数据的词/字序列、预先确定的词/字典和标签类别字典，得到嵌入层的输出向量；所述编码分类层用于根据所述嵌入层的输出向量，输出文本数据的标签概率向量；

其中，所述嵌入层的输出向量包含词/字嵌入、所述标签类别字典中的标签与文本数据的相关性以及标签在文本数据中的位置。

2.如权利要求1所述的文本数据多标签分类方法，其特征在于，所述多标签分类模型的建立过程包括：

获取文本样本的标签列表，对文本样本进行预处理，得到每一文本样本的词/字序列及标签列表；

根据所有文本样本的词/字列表及标签列表，分别得到词/字典、标签类别字典；

根据每一文本样本中的标签列表及所述标签类别字典，生成每一样本标签向量；

将文本样本的词/字序列、词/字典、标签类别字典输入至所述嵌入层得到样本嵌入层的输出向量；

将所述样本嵌入层的输出向量输入至所述编码分类层，预测得到样本分类概率向量；

根据预测得到的样本分类概率向量及样本标签向量，更新所述多标签分类模型中的参数。

3.如权利要求2所述的文本数据多标签分类方法，其特征在于，还包括：

将文本样本的词/字序列、词/字典、标签类别字典及预训练的词/字向量模型输入至所述嵌入层得到样本嵌入层的输出向量。

4.如权利要求2所述的文本数据多标签分类方法，其特征在于，所述多标签分类模型的建立过程还包括：

根据n元语法模型对所述词/字序列进行处理，得到n元词/字序列；

将文本样本的词/字序列、词/字典、标签类别字典输入至所述嵌入层得到样本嵌入层的输出向量进一步为：将文本样本的词/字序列、n元词/字序列、词/字典输入、标签类别字典输入至所述嵌入层得到样本嵌入层的输出向量。

5.如权利要求2所述的文本数据多标签分类方法，其特征在于，所述编码分类层包括：编码层及分类层；

所述编码层用于根据样本嵌入层的输出向量，获得文本向量；

所述分类层用于根据文本向量，确定样本分类概率向量；

根据多标签分类模型的应用场景选择编码层网络。

6.如权利要求1所述的文本数据多标签分类方法，其特征在于，还包括：

根据预先设定的标签识别规则识别待分析文本，得到待分析文本的补充标签类别；

在待分析文本数据的标签列表中检索所述补充标签类别，若未检索到所述补充标签类别，则将所述补充标签类别增加至所述标签列表中。

7.如权利要求1所述的文本数据多标签分类方法，其特征在于，还包括：

根据预先设定的标签去除规则和/或约束条件识别待分析文本，得到待分析文本错误标签类别；

删除待分析文本数据的标签列表中的所述错误标签类别。