[发明专利]知识库词条分类方法和装置、模型训练方法和装置

权利要求书

1.一种知识库词条分类方法，包括：

获取待分类的知识库词条；

获取所述知识库词条所包括的多个词条版块的版块内容，其中，所述词条版块是知识库词条中具有区域特征的连成一片的词条区域，至少包括词条简介版块、词条属性版块、词条正文版块、参考资料版块和词条标签版块中的一种，多个词条版块的版块内容用于构成一个完整的知识库词条；

转换每个所述版块内容为相应的词序列，所述词序列是从板块内容中获取的具有一定排列顺序的词集合；

在词序列符合对应的卷积层通道的预设的输入条件时，将不同词条版块对应的所述词序列分别输入已训练的多通道卷积网络模型中，与词序列所属的词条板块相对应的卷积层通道进行卷积处理；其中，每个卷积层通道至少包含一个卷积神经网络，每个卷积层通道的卷积神经网络处理一个词条版块相应的词序列；

按输出向量的顺序拼接多个所述卷积层通道所输出的向量，得到拼接向量，通过所述多通道卷积网络模型中的分类层，根据所述拼接向量进行分类，输出所述知识库词条所属的类别。

2.根据权利要求1所述的方法，其特征在于，所述获取所述知识库词条所包括的多个词条版块的版块内容，包括：

获取多个词条版块各自对应的词条版块位置；

按照所述词条版块位置，从所述知识库词条中定位相应的词条版块；

从定位的多个词条版块中获取版块内容。

3.根据权利要求1所述的方法，其特征在于，所述转换每个所述版块内容为相应的词序列，包括：

对每个所述版块内容进行分词；

以词为单位，将分词所得的词按照在所述版块内容中的位置进行词拼接，得到与所述版块内容相应的词序列。

4.根据权利要求3所述的方法，其特征在于，所述以词为单位，将分词所得的词按照在所述版块内容中的位置进行词拼接，得到与所述版块内容相应的词序列，包括：

以词为单位，将分词所得的词按照在所述版块内容中的位置进行词拼接，得到候选词序列；

当所述版块内容为自然段落内容时，将所述候选词序列规整为预设词数量的词序列，且规整后得到的所述词序列与所述版块内容相对应；

当所述版块内容为格式化文本时，将所述候选词序列直接作为与所述版块内容相应的词序列。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述通过所述多通道卷积网络模型中的分类层，根据所述拼接向量进行分类，输出所述知识库词条所属的类别，包括：

通过所述多通道卷积网络模型中的分类层，将所述拼接向量映射为对应于每个预设类别的概率；

从映射的概率中选择最大的概率；

将所述最大的概率所对应的预设类别，输出为所述知识库词条所属的类别。

6.根据权利要求1所述的方法，其特征在于，每个卷积层通道包含预设的输入条件，每个词条版块相应的词序列包含有类型标识，所述在词序列符合对应的卷积层通道的预设的输入条件时，将不同词条版块对应的所述词序列分别输入已训练的多通道卷积网络模型中，与词序列所属的词条板块相对应的卷积层通道的步骤包括：

读取所述词序列的类型标识；

当读取的类型标识符合对应的卷积层通道的输入条件时，将所述词序列输入至对应的卷积层通道，否则提示所述词序列不满足输入条件。

7.根据权利要求1所述的方法，其特征在于，每个卷积层通道包含各自预设的词数量条件，所述在词序列符合对应的卷积层通道的预设的输入条件时，将不同词条版块对应的所述词序列分别输入已训练的多通道卷积网络模型中，与词序列所属的词条板块相对应的卷积层通道的步骤包括：

确定所述词序列的词数量；

当确定的词数量符合对应的卷积层通道的词数量条件时，将所述词序列输入至对应的卷积层通道，否则提示所述词序列不满足词数量条件。