[发明专利]文本分类方法和装置、电子设备、存储介质

说明书

本申请实施例提供一种文本分类方法和装置、电子设备、存储介质，属于人工智能技术领域。包括：获取待分类文本；根据字形查询模型对待分类文本进行字形查询处理，得到字形图像列表；根据发音查询模型对待分类文本进行发音查询处理，得到声母列表、韵母列表和声调列表；对待分类文本、字形图像列表、声母列表、韵母列表和声调列表进行向量化处理，得到文本向量、字形图像向量、声母向量、韵母向量和声调向量；将上述向量合并得到混合语义向量，根据混合语义向量确定待分类文本的分类结果。本申请实施例通过引入字形、声母、韵母、声调等特征来对待分类文本进行分类，从而提高了对音似字、形似字和语义近似等敏感信息变体识别的准确度。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种文本分类方法和装置、电子设备、存储介质。

背景技术

敏感信息的识别与过滤对构建绿色和谐的互联网环境非常重要。相关技术中，采用文本模型进行敏感信息的识别，但是由于敏感信息的识别是一个互相攻防的过程，敏感信息制造者可以采用音似字、形似字和近义词等方法绕过模型识别，导致模型对于音似字、形似字和语义近似等敏感信息的变体识别效果差。

发明内容

本申请实施例的主要目的在于提出一种文本分类方法和装置、电子设备、存储介质，能够提高模型对音似字、形似字和语义近似等敏感信息变体识别的准确度。

为实现上述目的，本申请实施例的第一方面提出了一种文本分类方法，包括：

获取待分类文本；

根据预设的字形查询模型对所述待分类文本进行字形查询处理，得到所述待分类文本对应的字形图像列表；

根据预设的发音查询模型对所述待分类文本进行发音查询处理，得到所述待分类文本对应的声母列表、韵母列表和声调列表；

对所述字形图像列表进行向量化处理，得到所述字形图像列表对应的字形图像向量；

对所述待分类文本、所述声母列表、所述韵母列表和所述声调列表进行向量化处理，得到所述待分类文本对应的文本向量、所述声母列表对应的声母向量、所述韵母列表对应的韵母向量和所述声调列表对应的声调向量；

将所述文本向量、所述字形图像向量、所述声母向量、所述韵母向量和所述声调向量合并得到混合语义向量；

根据所述混合语义向量确定所述待分类文本的分类结果，所述分类结果用于表征所述待分类文本是否为敏感文本。

在一些实施例，所述根据预设的字形查询模型对所述待分类文本进行字形查询处理，得到所述待分类文本对应的字形图像列表，包括：

将所述待分类文本切分为多个字符；

根据预设的字形查询模型对所述字符进行字形查询处理，得到所述字符对应的字形图像；

根据多个所述字符的字形图像得到所述待分类文本对应的字形图像列表。

在一些实施例，所述根据预设的发音查询模型对所述待分类文本进行发音查询处理，得到所述待分类文本对应的声母列表、韵母列表和声调列表，包括：

将所述待分类文本切分为多个字符；

根据预设的发音查询模型对所述字符进行发音查询处理，得到所述字符对应的声母、韵母和声调；

根据多个所述字符的声母得到所述待分类文本对应的声母列表，根据多个所述字符的韵母得到所述待分类文本对应的韵母列表，根据多个所述字符的声调得到所述待分类文本对应的声调列表。

在一些实施例，所述对所述字形图像列表进行向量化处理，得到所述字形图像列表对应的字形图像向量，包括：

通过第一神经网络对所述字形图像列表进行特征提取处理，得到所述待分类文本对应的字形图像语义列表；