[发明专利]一种文本处理方法、装置、存储介质及程序产品

权利要求书

1.一种文本处理方法，其特征在于，基于预先训练的优化的FM模型实现，所述方法包括：

获取待处理文本；

提取所述待处理文本中的所有关键词作为原始特征；

将所述原始特征经过Embedding处理转化为第一低维向量；

将所述原始特征进行特征交叉变换第二低维向量；

基于所述第一低维向量和第二低维向量，得到待处理文本所属类别的概率值。

2.根据权利要求1所述的文本处理方法，其特征在于，所述优化的FM模型包括：基于Embedding编码的线性层和经过变换的特征交叉层。

3.根据权利要求2所述的文本处理方法，其特征在于，将所述原始特征经过Embedding处理转化为第一低维向量，包括：

将所述原始特征输入基于Embedding编码的线性层；

经过Embedding处理转化为第一低维向量。

4.根据权利要求3所述的文本处理方法，其特征在于，将所述原始特征进行特征交叉变换第二低维向量，包括：

将所述原始特征输入经过变换的特征交叉层；

获得第二低维向量。

5.根据权利要求4所述的文本处理方法，其特征在于，所述基于所述第一低维向量和第二低维向量，得到待处理文本所属类别的概率值，包括：

将所述第一低维向量中的每一项进行求和，得到第一常量；

将所述第二低维向量中的每一项进行求和，得到第二常量；

将第一常量和第二常量相加并加上权重，得到待处理文本所属类别的概率值。

6.根据权利要求1-5任一所述的文本处理方法，其特征在于，所述提取所述待处理文本中的所有关键词作为原始特征，包括：

提取所述待处理文本中的所有关键词；

将所述关键词进行数字化编码，将编码后的关键词作为原始特征。

7.根据权利要求1所述的文本处理方法，其特征在于，所述获取待处理文本之前，还包括：

构建所述优化的FM模型的结构；

获取训练集；

根据所述训练集，基于交叉熵损失函数对所述优化的FM模型进行训练。

8.一种文本处理装置，其特征在于，所述装置包括：

获取模块，用于获取待处理文本；

提取模块，用于提取所述待处理文本中的所有关键词作为原始特征；

第一向量模块，用于将所述原始特征经过Embedding处理转化为第一低维向量；

第二向量模块，用于将所述原始特征进行特征交叉变换第二低维向量；

类别获得模块，用于基于所述第一低维向量和第二低维向量，得到待处理文本所属类别的概率值。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7任一所述方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7任一所述方法的步骤。