[发明专利]文本信息的行业分类方法、系统、计算机设备和存储介质

说明书

本申请涉及一种文本信息的行业分类方法、系统、计算机设备和存储介质。所述方法包括：获取待分类文本信息的特征词，根据特征词以及预先建立的行业特征词库，得到待分类文本信息对应的初始行业标签，根据特征词以及预先建立的词向量模型，得到待分类文本信息的特征向量，根据特征向量以及预先设置的分类模型，分别得到待分类文本信息对应于初始行业标签中各行业标签的行业标签概率，根据行业标签概率，从初始行业标签中确定出待分类文本信息对应的行业分类。采用本方法能够使文本信息的行业分类更加准确。

技术领域

本申请涉及文本挖掘技术领域，特别是涉及一种文本信息的行业分类方法、系统、计算机设备和存储介质。

背景技术

随着互联网的发展，传统的营销行业也愈发焕发生机，营销渠道逐渐从线下转到线上，广告文案也随之呈现爆炸性的增长。广告文案实质上是属于短文本范畴的文本信息，其文本内容较少，具有特征稀疏、缺少上下文信息、信息量少等缺点，同时广告文案为了吸引用户一般呈现的内容含义均是比较表面的。若能利用文本信息对广告文案进行行业分类，不同行业企业便可有的放矢地参考同行文案创意来提升自身广告效果。

针对短文本分类，目前常见的文本分类方法有以下方法：

(1)人工经验标注方法：人工依靠经验对广告文案进行分类；

(2)基于模型的自动分类方法，一般是先对文本进行特征处理再通过相应的算法，如基于朴素贝叶斯(Bayes)、支持向量机(SVM，Support Vector Machine)、人工神经网络(ANN，artificial neural network)、k最邻近(kNN，k-Nearest Neighbor) 等进行判别。

对于人工分类，虽能保证准确率但拓展性差，很难达到实用的标准。对于模型虽能自动化实现分类，但如SVM、ANN等算法一般均为黑箱，人为没办法从特征角度理解其机理，同时对于不同模型在不同业务背景下效果区别较大。从而导致文本信息进行行业分类时准确性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决文本信息进行行业分类时准确性较低的文本信息的行业分类方法、系统、计算机设备和存储介质。

一种文本信息的行业分类方法，所述方法包括：

获取待分类文本信息的特征词，根据所述特征词以及预先建立的行业特征词库，得到所述待分类文本信息对应的初始行业标签；

根据所述特征词以及预先建立的词向量模型，得到所述待分类文本信息的特征向量；

根据所述特征向量以及预先设置的分类模型，分别得到所述待分类文本信息对应于所述初始行业标签中各行业标签的行业标签概率；

根据所述行业标签概率，从初始行业标签中确定出所述待分类文本信息对应的行业分类。

上述文本信息的行业分类方法，通过获取待分类文本信息的特征词，根据预设的行业特征词库，筛选出初始行业标签，然后以初始行业标签中每个行业标签为待分类文本信息的行业分类，通过词向量模型计算出每个待分类文本信息的特征向量，然后根据预先设置的分类模型，计算出初始行业标签中各行业标签的行业标签概率，从初始行业标签中确定出待分类文本信息对应的行业分类。本发明实施例中，通过初步筛选出可能的行业标签，然后通过分类模型确定出行业标签，使文本信息的行业分类更加准确。

在其中一个实施例中，还包括：获取已知行业标签的已知文本信息；对同一行业标签对应的所有的已知文本信息进行分词处理，得到同一行业标签对应的候选特征词汇集合；将所述候选特征词汇集合中每个词汇作为TextRank模型中的一个节点，得到每个词汇的TextRank值；根据词汇的TextRank值，建立行业特征词库。

在其中一个实施例中，还包括：验证所述待分类文本信息是否与其行业分类对应；若否，则根据所述待分类文本信息的实际行业分类，更新所述行业特征词库。