[发明专利]基于标签信息与文本特征的文本分类方法、系统及介质

权利要求书

1.基于标签信息与文本特征的文本分类方法，其特征是，包括：

特征提取步骤，从给定的文本中提取第一文本特征，从给定的文本对应的标签中提取第一标签特征；

特征融合步骤，将第一文本特征和第一标签特征进行特征融合，得到融合后的第三特征；

模型训练步骤，将融合后的第三特征输入到多层感知机中对多层感知机进行训练，得到训练好的多层感知机；

文本分类步骤，从待分类的文本中提取第二文本特征，从待分类的文本对应的标签中提取第二标签特征，对第二文本特征和第二标签特征进行特征融合得到融合后的第四特征，将融合后的第四特征输入到已经训练好的多层感知机中进行分类，输出分类结果；

所述从给定的文本中提取第一文本特征的具体步骤为：

首先，将每个词映射为词向量；进而得到词向量序列；

然后，利用循环神经网络对词向量序列进行处理，得到每个词的编码上下文向量；

最后，得到的第一文本特征；

将第一文本特征和第一标签特征进行特征融合，得到融合后的第三特征的具体步骤为：

I_it＝Interaction(h_t,S_i)

其中，Interaction()表示用于交互的函数，采用点乘运算来作为具体实现方式；I_it表示融合后的第三特征；

所述从给定的文本中提取第一文本特征的具体步骤为：

对于给定文本，假设给定文本包括T个词；

首先，将每个词w_t映射为词向量进而得到词向量序列：

然后，利用循环神经网络对词向量序列进行处理，得到每个词的编码上下文向量h_t；

其中，h₀由随机初始化得到，f是由循环神经网络单元构成的非线性函数，h_t是循环神经网络的在t时刻的隐状态，h_t-1是循环神经网络的在t-1时刻的隐状态；

最后，得到的第一文本特征即为{h₁，h₂，…，h_t，…，h_T}；

从给定的文本对应的标签中提取第一标签特征的具体步骤为：

对于每个标签L映射为对应的词向量S。

2.如权利要求1所述的基于标签信息与文本特征的文本分类方法，其特征是，

将融合后的第三特征输入到多层感知机中对多层感知机进行训练，得到训练好的多层感知机的具体步骤为：

将融合后的第三特征输入到多层感知机中，多层感知机输出第三特征的降维结果；

根据多层感知机的输出结果，计算多层感知机损失函数值，如果多层感知机的损失函数值小于设定阈值，则表示多层感知机训练合格，将训练结束得到的多层感知机作为训练好的多层感知机；

如果多层感知机的损失函数值大于等于设定阈值，则表示多层感知机训练不合格，返回特征提取步骤，继续对其他给定文本和标签进行特征提取和特征融合，将融合得到的新特征对多层感知机进行继续训练，直至多层感知机训练合格为止。

3.如权利要求1所述的基于标签信息与文本特征的文本分类方法，其特征是，

输出分类结果的为：对于每个标签的得分，选择评分靠前的N个标签作为输出。

4.基于标签信息与文本特征的文本分类系统，其特征是，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述权利要求1-3任一项方法所述的步骤。

5.一种计算机可读存储介质，其特征是，其上运行有计算机指令，所述计算机指令被处理器运行时，完成上述权利要求1-3任一项方法所述的步骤。