[发明专利]一种文档内容分类的方法、装置、存储介质及电子设备

摘要

本发明提供了一种文档内容分类的方法、装置、存储介质及电子设备，其中，该方法包括：确定每个文本数据在文档内容中的位置信息，并生成文本数据的字体离散编码和字号离散编码；根据文本数据的位置信息、字体离散编码和字号离散编码生成文本数据的扩展特征；基于循环神经网络确定文本数据的语义信息；基于扩展特征和语义信息生成文本数据的深层特征，并根据深层特征确定文本数据所属的类别。通过本发明实施例提供的文档内容分类的方法、装置、存储介质及电子设备，可以挖掘文本数据的深层特征，可以解决在数据挖掘分类时的维度灾难问题；且采用具有离散特征的字体离散编码和字号离散编码，有利于区分不同的字体和字号。

主权项

1.一种文档内容分类的方法，其特征在于，包括：获取待分类的、包含多个文本数据的文档内容，并确定每个所述文本数据在所述文档内容中的位置信息；确定所述文本数据的字体和字号，并生成所述文本数据的字体离散编码和字号离散编码；根据所述文本数据的所述位置信息、所述字体离散编码和所述字号离散编码生成所述文本数据的扩展特征；对所述文本数据进行分词处理，并确定所述文本数据的每个分词的词向量，基于循环神经网络确定所述文本数据的语义信息；基于所述扩展特征和所述语义信息生成所述文本数据的深层特征，并根据所述深层特征确定所述文本数据所属的类别。