[发明专利]基于人工智能的文本分类方法、装置、设备和介质

权利要求书

1.一种基于人工智能的文本分类方法，包括：

获取待预测语句；其中，所述待预测语句包括待预测文本和所述待预测文本的层级预测模板；所述层级预测模板包括依次排列的不同标签层级下的待预测类别的字符占位符；

对所述待预测语句进行特征提取，得到所述待预测文本的文本预测特征和各所述字符占位符的表意预测特征；

对所述文本预测特征和各所述表意预测特征，按照标签层级进行特征融合，得到不同标签层级的融合预测特征；

根据各所述融合预测特征，确定所述待预测文本在不同标签层级下的待预测类别。

2.根据权利要求1所述的方法，其中，所述对所述文本预测特征和各所述表意预测特征，按照标签层级进行特征融合，得到不同标签层级的融合预测特征，包括：

确定所述文本预测特征在不同标签层级下的层级文本预测特征；

根据各所述表意预测特征，确定不同标签层级下的待预测类别的层级表意预测特征；

对相同标签层级下的所述层级文本预测特征和所述层级表意预测特征进行特征融合，得到相应标签层级下的融合预测特征。

3.根据权利要求2所述的方法，其中，所述根据各所述表意预测特征，确定不同标签层级下的待预测类别的层级表意预测特征，包括：

对相同标签层级下的字符占位符的表意预测特征进行特征融合，得到相应标签层级下的待预测类别的层级表意预测特征。

4.根据权利要求2所述的方法，其中，所述确定所述文本预测特征在不同标签层级下的层级文本预测特征，包括：

根据所述文本预测特征，确定所述待预测文本的全局文本预测特征；

提取所述全局文本预测特征在不同标签层级下的特征，得到相应标签层级下的层级文本预测特征。

5.根据权利要求4所述的方法，若所述文本预测特征为所述待预测文本中各文本字符的局部文本预测特征，则所述根据所述文本预测特征，确定所述待预测文本的全局文本预测特征，包括：

对不同文本字符的局部文本预测特征进行特征融合，得到所述待预测文本的全局文本预测特征。

6.根据权利要求1-5任一项所述的方法，其中，所述根据各所述融合预测特征，确定所述待预测文本在不同标签层级下的待预测类别，包括：

对不同标签层级的融合预测特征进行特征融合，得到目标融合预测特征；

根据所述目标融合预测特征，确定所述层级预测模板的模板类别；其中，所述模板类别包括不同标签层级下的待预测类别的预测结果。

7.一种文本分类模型训练方法，包括：

获取待训练语句；其中，所述待训练语句包括待训练文本和所述待训练文本的层级训练模板；所述层级训练模板包括依次排列的不同标签层级下的待训练类别的字符占位符；

通过文本分类模型中的预训练网络，对所述待训练语句进行特征提取，得到所述待训练文本的文本训练特征和各所述字符占位符的表意训练特征；

通过所述文本分类模型中的特征融合网络，将所述文本训练特征和各所述表意训练特征，按照标签层级进行特征融合，得到不同标签层级的融合训练特征；

通过所述文本分类模型中的分类网络，根据各所述融合训练特征，确定所述待训练文本在不同标签层级下的待训练类别；

根据所述待训练类别和所述待训练类别的标签类别，调整所述文本分类模型的网络参数。