[发明专利]文本分类模型的训练及文本分类方法、装置、设备和介质

说明书

本公开提供了一种文本分类模型的训练及文本分类方法、装置、设备和介质，涉及深度学习和自然语言处理等领域。具体实现方案为：对获取的多个样本文本进行聚类，得到至少一个目标聚簇；根据各样本文本所属的目标聚簇，生成各样本文本对应的簇标签；采用文本分类模型对各样本文本进行第一类别预测，得到各样本文本的预测标签；根据各样本文本对应的预测标签和簇标签对文本分类模型进行第一训练。由于聚类可捕捉到样本文本中显著的语义特征，通过对多个样本文本进行聚类的方式，来生成各样本文本对应的簇标签，并基于簇标签对文本分类模型进行预训练，可以使得文本分类模型在真实训练之前，有效学习到样本文本中显著的语义信息，提升模型表现和性能。

技术领域

本公开涉及人工智能领域，具体涉及深度学习和自然语言处理等技术领域，尤其涉及文本分类模型的训练及文本分类方法、装置、设备和介质。

背景技术

自然语言处理(Natural Language Processing，NLP)是计算机科学领域与人工智能领域中的一个重要方向。其中，文本分类是自然语言处理工作的一项基础性工作，文本分类利用文字这个信息载体将文本进行整理和归类，被广泛应用在不同领域，比如数字化图书馆、舆情分析、新闻推荐、邮件过滤等领域。

为了实现文本的自动分类，在已有的样本文本上构建文本分类模型(又可以称为文本分类器)时，需要对文本分类模型进行训练，从而基于训练好的文本分类模型对待分类文本进行分类。

为了提升模型的预测效果，如何对文本分类模型进行训练是非常重要的。

发明内容

本公开提供了一种文本分类模型的训练及文本分类方法、装置、设备和介质。

根据本公开的一方面，提供了一种文本分类模型的训练方法，包括：

获取多个样本文本，并对所述多个样本文本进行聚类，以得到至少一个目标聚簇；

根据各所述样本文本所属的目标聚簇，生成各所述样本文本对应的簇标签，其中，所述簇标签用于指示所述样本文本所属的聚簇类别；

采用文本分类模型对各所述样本文本进行第一类别预测，得到各所述样本文本对应的预测标签；

根据各所述样本文本对应的预测标签和簇标签对所述文本分类模型进行第一训练。

根据本公开的另一方面，提供了一种文本分类方法，包括：

获取待分类文本；

采用经过本公开上述一方面提出的文本分类模型的训练方法所训练的文本分类模型对所述待分类文本进行分类，得到所述待分类文本的分类标签。

根据本公开的又一方面，提供了一种文本分类模型的训练装置，包括：

获取模块，用于获取多个样本文本；

聚类模块，用于对所述多个样本文本进行聚类，以得到至少一个目标聚簇；

生成模块，用于根据各所述样本文本所属的目标聚簇，生成各所述样本文本对应的簇标签，其中，所述簇标签用于指示所述样本文本所属的聚簇类别；

第一预测模块，用于采用文本分类模型对各所述样本文本进行第一类别预测，得到各所述样本文本对应的预测标签；

第二训练模块，用于根据各所述样本文本对应的预测标签和簇标签对所述文本分类模型进行第一训练。

根据本公开的再一方面，提供了一种文本分类装置，包括：

获取模块，用于获取待分类文本；

分类模块，用于采用经过本公开上述又一方面提出的文本分类模型的训练装置所训练的文本分类模型对所述待分类文本进行分类，得到所述待分类文本的分类标签。