[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

说明书

本发明公开了基于标签信息与文本特征的文本分类方法、系统及介质，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。

技术领域

本公开涉及基于标签信息与文本特征的文本分类方法、系统及介质。

背景技术

本部分的陈述仅仅是提高了与本公开相关的背景技术，并不必然构成现有技术。

文本分类应该是自然语言处理中最普遍的一个应用，例如文章自动分类、邮件自动分类、垃圾邮件识别、用户情感分类等等，在生活中有很多应用。从任务种类上，文本可以大致分为多标签文本分类和多类别文本分类。多标签文本分类即为待分类的文本属于多个类别，而多类别文本分类则是指待分类文本只属于某一个类别。多标签文本分类因其广泛的用途一般比多类别文本有更广泛的研究。

据发明人了解，目前存在一个较为突出的问题是在针对社区问答中的问题分类的时候准确率较低，现阶段社区问答社区中每个问题都有不同的标签，无法根据标签的意义去做出判断，如果依靠人力资源去进行标签标注将会花费巨大，而仅仅是根据文本的统计特征来给出判断结果，这样导致传统模型无法利用标签的信息去做出判断，所以准确率较低。

发明内容

为了解决现有技术的不足，本公开提供了基于标签信息与文本特征的文本分类方法、系统及介质，其具有提高了文本分类的准确性的优点；

作为本公开的第一方面，提供了基于标签信息与文本特征的文本分类方法；

基于标签信息与文本特征的文本分类方法，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。

作为一些可能的实现方式，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}。

作为一些可能的实现方式，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：