[发明专利]一种文本分类方法、服务器及计算机可读介质

摘要

本发明实施例公开了一种文本分类方法、服务器及计算机可读介质，其中方法包括：获取待分类文本，所述待分类文本包括M个词，其中，M为正整数；根据待分类文本的N个词，通过主题模型得到所述N个词中每个词对应的主题，其中，N为不大于M的正整数；根据所述N个词中每个词以及每个词对应的主题，通过主题词向量模型得到所述N个词中每个词对应的主题词向量，其中，所述主题词向量为词与词对应的主题共同的向量表示；根据所述N个词中每个词对应的主题词向量，通过分类模型得到所述待分类文本的类别；其中，所述主题模型、所述主题词向量模型、所述分类模型为已训练模型。可在考虑词的多义性的情况下，增加分类准确率并高效地进行文本分类。 1

主权项

1.一种文本分类方法，其特征在于，包括：

获取待分类文本，所述待分类文本包括M个词，其中，M为正整数；

根据待分类文本的N个词，通过主题模型得到所述N个词中每个词对应的主题，其中，N为不大于M的正整数；

根据所述N个词中每个词以及每个词对应的主题，通过主题词向量模型得到所述N个词中每个词对应的主题词向量，其中，所述主题词向量为词与词对应的主题共同的向量表示；

根据所述N个词中每个词对应的主题词向量，通过分类模型得到所述待分类文本的类别；

其中，所述主题模型、所述主题词向量模型、所述分类模型为已训练模型。

2.根据权利要求1所述的方法，其特征在于，所述获取待分类文本之后，还包括：

对所述待分类文本进行文本分词处理，得到所述待分类文本的M个词；

对所述M个词进行去停用词处理，得到所述待分类文本的N个词；

其中，所述文本分词处理使用的算法包括：正向最大匹配算法、逆向最大匹配算法、最少切分算法、结巴分词算法中的其中一个。

3.根据权利要求1所述的方法，其特征在于，所述主题模型为隐含狄利克雷分布主题模型，所述主题词向量模型为主题词嵌入模型。

4.根据权利要求3所述的方法，其特征在于，所述通过主题词向量模型得到所述N个词中每个词对应的主题词向量，具体包括：

通过主题词嵌入模型，得到所述N个词中每个词对应的词向量以及每个词对应的主题向量；

将每个词对应的词向量与每个词对应的主题向量进行拼接，得到每个词对应的主题词向量；

其中，词向量为i维向量，主题向量为j维向量，主题词向量为(i+j)维向量。

5.根据权利要求1或2所述的方法，其特征在于，所述通过主题词向量模型得到所述N个词中每个词对应的主题词向量，具体包括：

通过词向量模型，得到所述N个词中每个词对应的词向量，通过主题向量模型，得到所述N个词中每个词对应的主题向量；

将每个词对应的词向量与每个词对应的主题向量进行拼接，得到每个词对应的主题词向量；

其中，词向量为i维向量，主题向量为j维向量，主题词向量为(i+j)维向量。

6.根据权利要求1所述的方法，其特征在于，所述分类模型包括快速文本分类模型、卷积神经网络模型、长短期记忆网络模型中的其中一个。

7.根据权利要求1所述的方法，其特征在于，所述分类模型为快速文本分类模型，所述根据所述N个词中每个词对应的主题词向量，通过分类模型得到所述待分类文本的类别，具体包括：

将所述N个词的主题词向量作平均运算，得到运算结果；

根据所述运算结果，通过分类器得到所述待分类文本的类别；

其中，分类器包括：Logistic分类器、Softmax分类器的其中一个。

8.一种服务器，其特征在于，包括用于执行如权利要求1‑7任一权利要求所述的方法的单元。

9.一种服务器，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1‑7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1‑7任一项所述的方法。