[发明专利]文本分类方法、装置、计算机设备和存储介质

说明书

本申请涉及一种文本分类方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标问卷中主观题答案以及非主观题答案；获取主观题答案对应的词向量；为目标问卷所属业务下的每个业务环节分配分类标签，得到分类标签集合，并确定分类标签集合中各分类标签对应的权重；获取分类标签集合中各分类标签下的非主观题答案，基于各分类标签下的非主观题答案，确定各分类标签各自的分值；将主观题答案对应的词向量以及分值最小的分类标签对应的目标权重输入至分类模型，确定主观题答案的分类标签。从而提高主观题答案的分类效率，避免产生人工手段分类存在费时费力的问题。

技术领域

本申请涉及文本分类技术领域，特别是涉及一种文本分类方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

金融机构向其客户发送调研问卷是感知客户体验的主要手段，通过对调研问卷中主观题答案进行分析可以更好的感知客户在业务办理过程中的痛点。在对调研问卷中主观题答案进行分析之前，通常会对主观题答案进行分类，确定主观题答案属于调研问卷所属业务下的哪个业务环节，从而后续业务部门可以对各业务环节的主观题答案进行针对性分析，提高业务部门对主观题答案进行分析的效率。

相关技术中，通常采用人工的方式对主观题答案进行分类，但是人工手段分类存在费时费力的问题，且随着调研问卷数量的逐年上升，人工分类已经无法满足现状。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高主观题答案的分类效率的文本分类方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种文本分类方法。所述方法包括：

获取目标问卷中主观题答案以及非主观题答案；

获取主观题答案对应的词向量；

为目标问卷所属业务下的每个业务环节分配分类标签，得到分类标签集合，并确定分类标签集合中各分类标签对应的权重；

获取分类标签集合中各分类标签下的非主观题答案，基于各分类标签下的非主观题答案，确定各分类标签各自的分值；

将主观题答案对应的词向量以及分值最小的分类标签对应的目标权重输入至分类模型，确定主观题答案的分类标签。

在其中一个实施例中，确定分类标签集合中各分类标签对应的权重，包括：

获取分类标签集合中分类标签的数量；

对分类标签集合中分类标签进行随机排序，得到分类标签集合中各分类标签各自对应的序号；

根据分类标签集合中分类标签的数量、预设阈值、以及分类标签集合中各分类标签各自对应的序号，确定分类标签集合中各分类标签对应的权重。

在其中一个实施例中，目标问卷中每个分类标签下有多个非主观题答案；基于各分类标签下的非主观题答案，确定各分类标签各自的分值，包括：

获取各分类标签下各个非主观题答案的分值；

对各分类标签下各个非主观题答案的分值进行整合，得到各分类标签的分值。

在其中一个实施例中，将主观题答案对应的词向量以及分值最小的分类标签对应的目标权重输入至分类模型，确定主观题答案的分类标签，包括：

将主观题答案对应的词向量分别与多个卷积核做卷积运算，得到多个第一卷积结果，多个卷积核对应至少两种尺寸；

对多个第一卷积结果作拼接处理，得到第一目标矩阵，并将第一目标矩阵与目标权重进行相乘，得到第二目标矩阵；

将第二目标矩阵与多个卷积核做卷积运算，得到多个第二卷积结果，并对多个第二卷积结果分别进行最大池化计算，得到每个第二卷积结果中的最大值；