[发明专利]交流平台文本分类方法及装置

权利要求书

1.一种交流平台文本分类方法，其特征在于，包括：

采用预设的分类模型对交流平台主文本进行区分；

当根据区分结果判定所述主文本为提问文本时，通过预设的相关性算法，计算获取所述主文本的各回复文本中至少部分回复文本与所述主文本的各个相关性分值；

根据所述主文本的至少部分回复文本与所述主文本的各个相关性分值区分所述主文本为有答案提问文本或无答案提问文本。

2.根据权利要求1所述的方法，其特征在于，所述采用预设的分类模型对交流平台主文本进行区分的步骤包括：

根据所述主文本的标题和正文构建特征向量；

将所述特征向量输入预设的分类模型，通过所述分类模型进行分析区分后输出所述主文本的分类类型；所述主文本的分类类型包括提问文本和非提问文本。

3.根据权利要求1所述的方法，其特征在于，所述通过预设的相关性算法，计算获取所述主文本的回复文本与所述主文本的相关性分值的步骤包括：

通过预设的相关性算法，计算获取所述主文本的每一回复文本与所述主文本的相关性分值；或者，计算获取所述主文本的前M篇回复文本与所述主文本的相关性分值，其中，0<M<N，N为所述主文本的所有回复文本。

4.根据权利要求3所述的方法，其特征在于，所述根据相关性分值区分所述主文本为有答案提问文本或无答案提问文本的步骤包括：

获取计算所得相关性分值最大的回复文本；

判断所述相关性分值最大的回复文本的相关性分值是否大于或等于预设的阈值；若是，则

判定所述主文本为有答案提问文本；否则，

判定所述主文本为无答案提问文本。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述采用预设的分类模型对交流平台主文本进行区分的步骤之前还包括：

对预先收集的学习语料进行标注，并从中提取问题特征；

对所述问题特征进行空间向量构造，获得特征向量；

对所述特征向量进行学习，生成分类模型。

6.一种交流平台文本分类装置，其特征在于，包括：

第一分类模块，用于采用预设的分类模型对交流平台主文本进行区分；

计算获取模块，用于当根据区分结果判定所述主文本为提问文本时，通过预设的相关性算法，计算获取所述主文本的各回复文本中至少部分回复文本与所述主文本的各个相关性分值；

第二分类模块，用于根据所述主文本的至少部分回复文本与所述主文本的各个相关性分值区分所述主文本为有答案提问文本或无答案提问文本。

7.根据权利要求6所述的装置，其特征在于，所述第一分类模块包括：

构建单元，用于根据所述主文本的标题和正文构建特征向量；

第一分类单元，用于将所述特征向量输入预设的分类模型，通过所述分类模型进行分析区分后输出所述主文本的分类类型；所述主文本的分类类型包括提问文本和非提问文本。

8.根据权利要求6所述的装置，其特征在于，所述计算获取模块还用于通过预设的相关性算法，计算获取所述主文本的每一回复文本与所述主文本的相关性分值；或者，计算获取所述主文本的前M篇回复文本与所述主文本的相关性分值，其中，0<M<N，N为所述主文本的所有回复文本。

9.根据权利要求8所述的装置，其特征在于，所述第二分类模块包括：

获取单元，用于获取计算所得相关性分值最大的回复文本；

判断单元，用于判断所述相关性分值最大的回复文本的相关性分值是否大于或等于预设的阈值；若是，则判定所述主文本为有答案提问文本；否则，判定所述主文本为无答案提问文本。

10.根据权利要求6-9中任一项所述的装置，其特征在于，还包括：

特征提取模块，用于对预先收集的学习语料进行标注，并从中提取问题特征；

向量构造模块，用于对所述问题特征进行空间向量构造，获得特征向量；

模型生成模块，用于对所述特征向量进行学习，生成分类模型。