[发明专利]基于人工智能的文本分类方法、装置、设备和介质

说明书

本公开提供了一种基于人工智能的文本分类及其模型训练方法、装置、设备和介质，涉及人工智能领域，具体涉及自然语言处理、深度学习技术，可应用在智慧城市、智慧政务场景下。具体实现方案为：获取待预测语句；待预测语句包括待预测文本和待预测文本的层级预测模板；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；对待预测语句进行特征提取，得到待预测文本的文本预测特征和各字符占位符的表意预测特征；对文本预测特征和各表意预测特征，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；根据各融合预测特征，确定待预测文本在不同标签层级下的待预测类别。根据本公开的技术，提高了文本分类结果的准确度。

技术领域

本公开涉及人工智能领域，具体涉及自然语言处理、深度学习技术，可应用在智慧城市、智慧政务场景下。

背景技术

文本分类又称自动文本分类，是指计算机将载有信息的文本，指按照一定的分类体系或规则，映射到预先给定的某一类别或某几类别主题的过程，可用于情感分析、新闻分类和意图识别等诸多场景。

发明内容

本公开提供了一种准确度更高的文本分类及其模型训练方法、装置、设备和介质。

根据本公开的一方面，提供了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。

根据本公开的另一方面，还提供了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。

根据本公开的另一方面，还提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开实施例提供的任意一种基于人工智能的文本分类方法，和/或本公开实施例提供的任意一种文本分类模型训练方法。

根据本公开的另一方面，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据本公开实施例提供的任意一种基于人工智能的文本分类方法，和/或本公开实施例提供的任意一种文本分类模型训练方法。

根据本公开的技术，提高了文本分类结果的准确度。