[发明专利]生成特征向量和基于特征向量进行文本分类的方法和装置

权利要求书

1.一种生成特征向量的方法，其特征在于，包括：

获取文本数据的特征权重矩阵和词向量矩阵，所述特征权重矩阵由所述文本数据与业务场景类别的关联权重构成；

通过对所述特征权重矩阵与所述词向量矩阵进行运算以生成特征向量矩阵，所述特征向量矩阵由特征向量组成。

2.根据权利要求1所述的方法，其特征在于，获取文本数据的特征权重矩阵的步骤包括：

对文本数据进行分词操作；

对所述分词操作得到的每个词，通过计算所述每个词与业务场景类别的关联权重以得到所述文本数据的特征权重矩阵。

3.根据权利要求2所述的方法，其特征在于，利用特征选择的方法计算所述每个词与所述业务场景类别的关联权重，所述特征选择的方法包括以下中的一种：卡方检验、信息增益、相关系数、基尼系数、数据建模、L1范数正则化、决策树。

4.根据权利要求1所述的方法，其特征在于，获取文本数据的词向量矩阵的步骤包括：

对文本数据进行分词操作；

对所述分词操作得到的每个词，通过计算所述每个词的词向量以得到所述文本数据的词向量矩阵。

5.根据权利要求1所述的方法，其特征在于，所述运算为卷积运算。

6.一种基于特征向量进行文本分类的方法，其特征在于，包括：

获取文本数据的特征权重矩阵和词向量矩阵，所述特征权重矩阵由所述文本数据与业务场景类别的关联权重构成；

通过对所述特征权重矩阵与所述词向量矩阵进行运算以生成特征向量矩阵，所述特征向量矩阵由特征向量组成；

对所述特征向量进行训练以得到文本数据分类模型；

使用所述文本数据分类模型进行文本数据分类。

7.根据权利要求6所述的方法，其特征在于，对所述特征向量进行训练以得到文本数据分类模型的步骤包括：

将所述特征向量输入待训练模型中以得到输出值；

将所述输出值与实际值进行比较并计算误差和；

根据所述误差和调整所述待训练模型的参数；

重复执行以上3个步骤，直至所述误差和小于预设的误差阈值，并将所述误差和小于预设的误差阈值的待训练模型作为文本数据分类模型。

8.一种生成特征向量的装置，其特征在于，包括：

数据获取模块，用于获取文本数据的特征权重矩阵和词向量矩阵，所述特征权重矩阵由所述文本数据与业务场景类别的关联权重构成；

特征运算模块，用于通过对所述特征权重矩阵与所述词向量矩阵进行运算以生成特征向量矩阵，所述特征向量矩阵由特征向量组成。

9.根据权利要求8所述的装置，其特征在于，所述数据获取模块还用于：

对文本数据进行分词操作；

对所述分词操作得到的每个词，通过计算所述每个词与所述业务场景类别的关联权重以得到所述文本数据的特征权重矩阵。

10.根据权利要求9所述的装置，其特征在于，所述数据获取模块利用特征选择的方法计算所述每个词与所述业务场景类别的关联权重，所述特征选择的方法包括以下中的一种：卡方检验、信息增益、相关系数、基尼系数和数据建模、L1范数正则化、决策树。

11.根据权利要求8所述的装置，其特征在于，所述数据获取模块还用于：

对文本数据进行分词操作；

对所述分词操作得到的每个词，通过计算所述每个词的词向量以得到所述文本数据的词向量矩阵。

12.根据权利要求8所述的装置，其特征在于，所述运算为卷积运算。