[发明专利]一种文本分类方法、装置、介质及设备

说明书

本发明提供一种文本分类方法、装置、介质及设备，该方法包括：针对待分类文本中的每个关键特征词，根据样本库中词类别对应的样本特征词，确定该关键特征词对应的词类别；根据样本库中的文本类别与样本文本的对应关系，确定具有该关键特征词的样本文本对应的文本类别，并将确定的文本类别作为该关键特征词对应的文本类别；确定该关键特征词在对应的每个文本类别下的权重，其中，该关键特征词在对应的任一文本类别下的权重为：与该关键特征词属于同一词类别的样本特征词在该任一文本类别下的权重的和值；根据各个关键特征词在对应的每个文本类别下的权重，确定所述待分类文本所属的文本类别。本发明可以提高确定出的待分类文本所属类别的准确性。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种文本分类方法、装置、介质及设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

目前常用的文本分类方法为：

利用卡方检验算法提取待分类文本中的特征词；针对每个特征词，从样本库中的文本类别与样本特征词的对应关系中，查找该特征词对应的文本类别；将该特征词在同一文本类别中的出现概率作为该特征词在该文本类别下的权重；根据各个特征词在对应文本类类别下的权重，确定待分类文本所属的类别；其中，同一文本类别下的特征词的权重越大，待分类文本所属类别为该类别的可能性越大。

发明人发现，待分类文本中有一些特征明显的特征词会对该待分类文本所属的分类起到关键作用，而现有的文本分类方法，可能会由于样本特征词数量不够而导致特征明显的特征词的权重较低的问题，进而导致确定出的文本所属文本类别不够准确的问题。

发明内容

本发明提供一种文本分类方法、装置、介质及设备，用于提高待分类文本所属文本类别的准确性。

第一方面，本发明实施例提供一种文本分类方法，包括：

针对待分类文本中的每个关键特征词，根据样本库中词类别对应的样本特征词，确定该关键特征词对应的词类别；以及

根据样本库中的文本类别与样本文本的对应关系，确定具有该关键特征词的样本文本对应的文本类别，并将确定的文本类别作为该关键特征词对应的文本类别，其中，每个文本类别对应的样本文本包括多个样本特征词；

确定该关键特征词在对应的每个文本类别下的权重，其中，该关键特征词在对应的任一文本类别下的权重为：与该关键特征词属于同一词类别的样本特征词在该任一文本类别下的权重的和值；

根据各个关键特征词在对应的每个文本类别下的权重，确定所述待分类文本所属的文本类别。

可选地，本发明实施例提供的文本分类方法，进一步包括：

预先保存词类别权重，其中，每个词类别权重用于表征属于同一词类别的样本特征词在同一文本类别下的权重的和值；

则确定该关键特征词在对应的任一文本类别下的权重，包括：

从保存的词类别权重中，获取该关键特征词所属的词类别对应的词类别权重；

将获取的词类别权重作为该关键特征词在该任一文本类别下的权重。

可选地，所述方法中，根据各个关键特征词在对应的每个文本类别下的权重，确定所述待分类文本所属的文本类别，具体包括：

针对各个关键特征词对应的每个文本类别，根据对应该文本类别的各个关键特征词在该文本类别下的权重的和值以及所述待分类文本中的非关键特征词在该文本类别下的条件概率的和值，确定待分类文本在该文本类别对应的样本文本中的出现概率；

根据待分类文本在该文本类别对应的样本文本中的出现概率，确定所述待分类文本所属的文本类别。