[发明专利]一种文本分类方法、装置、设备及存储介质

权利要求书

1.一种文本分类方法，其特征在于，包括下述步骤：

获取待分析文本，对所述文本进行分词形成分词集合，并根据主题模型获取所述文本的主题词形成主题词集合；

获取所述主题词集合中每个词的词嵌入向量，将所述词嵌入向量降维映射到平面上，并根据所述平面上的映射点构造维诺图；

计算非主题词与所述主题词之间的语义距离，根据所述语义距离将所述非主题词加入到所述维诺图中；

识别所述维诺图中每个词的词节点类型，根据所述词节点类型通过对应的算法计算出词节点之间的语义距离；

将所述词节点之间的语义距离输入预先构建的图卷积神经网络输出图隐含向量，根据所述图隐含向量进行文本分类。

2.根据权利要求1所述的文本分类方法，其特征在于，所述获取所述主题词集合中每个词的词嵌入向量，将所述词嵌入向量降维映射到平面上，并根据所述平面上的映射点构造维诺图的步骤，包括：

根据词向量模型，获得所述主题词集合中每个词的词嵌入向量；

根据t-随机邻近嵌入法将主题词集合中每个词的词嵌入向量降维映射到平面上，并基于所有的映射点构造网格，形成维诺图。

3.根据权利要求2所述的文本分类方法，其特征在于，所述计算非主题词与所述主题词之间的语义距离，根据所述语义距离将所述非主题词加入到所述维诺图中的步骤，包括：

根据所述分词集合和主题词集合的差集形成差集集合，计算所述差值集合中的每个非主题词到所述主题词集合中的每个主题词的语义距离，并根据所述语义距离将所述差值集合中的每个非主题词划分到距离最近的主题词所在的所述维诺图的网格中。

4.根据权利要求1所述的文本分类方法，其特征在于，所述词节点类型包括普通词节点和实体节点；

所述识别所述维诺图中每个词的词节点类型，包括：通过命名实体识别来识别实体节点，如果不是实体节点，则确定为普通词节点。

5.根据权利要求4所述的文本分类方法，其特征在于，所述根据所述词节点类型通过对应的算法计算出词节点之间的语义距离的步骤，包括：

判断待计算的两个词节点的词节点类型是否相同；

若类型不同，则计算所述普通词节点的词嵌入向量和所述实体节点的词嵌入向量之间的余弦距离，作为待计算的两个词节点之间的语义距离；

若类型相同，则确定所述词节点是普通节点还是实体节点，若为普通节点，则根据普通节点对应的普通算法计算出词节点之间的语义距离，若为实体节点，则根据实体节点对应的实体算法计算出词节点之间的语义距离。

6.根据权利要求5所述的文本分类方法，其特征在于，所述确定所述词节点是普通节点还是实体节点，若为普通节点，则根据普通节点对应的普通算法计算出词节点之间的语义距离，若为实体节点，则根据实体节点对应的实体算法计算出词节点之间的语义距离的步骤，包括:

如果待计算的两个词节点均是普通词节点，则确定待计算的两个普通词节点的位置，按照不同位置选择对应的普通算法计算出词节点之间的语义距离；

如果待计算的两个词节点均是实体节点，则按照以下公式计算实体节点E_i和E_j之间的语义距离：

其中，为层级权重，sim(E_i,E_j)为实体节点之间的嵌入向量余弦相似度，∑R_Ei为实体节点E_i所有连接边的嵌入向量之和，∑R_Ej为实体节点E_j所有连接边的嵌入向量之和。