[发明专利]基于LSTM的数据分类方法、装置、设备及存储介质

权利要求书

1.一种基于LSTM的数据分类方法，其特征在于，包括：

获取待分类数据；

通过预设的训练后字段特征提取器确定所述待分类数据对应的句子向量；

将所述句子向量输入预设的训练后超参数LSTM分类器，得到多个预设类别分别对应的置信度；

将所述置信度中值最大的置信度确定为目标置信度；

将所述目标置信度对应的所述预设类别确定为所述待分类数据的目标类别。

2.根据权利要求1所述的方法，其特征在于，所述通过预设的训练后字段特征提取器确定所述待分类数据对应的句子向量，包括：

对所述待分类数据进行分词处理，得到多个分词；

通过所述训练后字段特征提取器的嵌入层得到多个所述分词分别对应的分词向量；

根据所述分词向量生成所述句子向量。

3.根据权利要求2所述的方法，其特征在于，所述根据所述分词向量生成所述句子向量，包括：

对所述待分类数据的实际句子长度与预设的标准句子长度进行比较；

若所述实际句子长度比所述标准句子长度长，则根据所述标准句子长度对所述分词向量进行截断处理，得到截断后的分词向量；

根据所述截断后的分词向量生成所述句子向量；

若所述标准句子长度比所述实际句子长度长，则根据所述标准句子长度对所述分词向量进行填充处理，得到填充后的分词向量；

根据所述填充后的分词向量生成所述句子向量。

4.根据权利要求3所述的方法，其特征在于，所述根据所述标准句子长度对所述分词向量进行截断处理，得到截断后的分词向量，包括：

根据预设的重要性确定规则分别确定所述分词向量的重要性程度；

根据所述重要性程度以及所述标准句子长度对所述分词向量进行截断处理，得到所述截断后的分词向量。

5.根据权利要求1所述的方法，其特征在于，所述将所述句子向量输入预设的训练后超参数LSTM分类器，得到多个预设类别分别对应的置信度之后，所述方法还包括：

将所述置信度输入预设的分类性能评估器，得到所述训练后超参数LSTM分类器的性能参数；

根据所述性能参数对所述训练后超参数LSTM分类器进行校准处理。

6.根据权利要求1所述的方法，其特征在于，所述通过预设的训练后字段特征提取器确定所述待分类数据对应的句子向量之前，所述方法还包括：

获取提取器训练样本集以及提取器验证样本集；

根据所述提取器训练样本集以及所述提取器验证样本集对预设的字段特征提取器进行训练，得到所述训练后字段特征提取器。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述将所述句子向量输入预设的训练后超参数LSTM分类器，得到多个预设类别分别对应的置信度之前，所述方法还包括：

获取标准LSTM分类器；

将所述标准LSTM分类器的双曲线正切函数替换为Softsign函数，以及将数据标准化函数、MSE损失函数及恒等激活函数用于所述标准LSTM分类器中的回归以及Xavier权重初始化的处理，得到超参数LSTM分类器；

获取分类器测试集；

根据所述测试集训练所述超参数LSTM分类器，得到所述训练后超参数LSTM分类器。

8.一种基于LSTM的数据分类装置，其特征在于，包括：

获取单元，用于获取待分类数据；

处理单元，用于通过预设的训练后字段特征提取器确定所述待分类数据对应的句子向量；将所述句子向量输入预设的训练后超参数LSTM分类器，得到各预设类别分别对应的置信度；将所述置信度中值最大的置信度确定为目标置信度；将所述目标置信度对应的所述预设类别确定为所述待分类数据的目标类别。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如权利要求1-7中任一项所述的方法。