[发明专利]一种文本的分类方法及装置

说明书

本发明公开了一种文本的分类方法及装置，包括：获取待分类文本；从预设词库中选出与所述待分类文本相似的多个目标词条，其中，所述预设词库中存储有多个词条、以及每个词条所属的类别，所述目标词条属于所述多个词条；根据所述预设词库，确定所述多个目标词条中的每个目标词条所属的类别；根据所述多个目标词条中的每个目标词条所属的类别，确定目标类别，并将所述目标类别作为所述待分类文本所属的类别。本发明解决了现有技术的错误文本纠正效果差，无法对待分类的文本进行正确的分类，分类准确度低的问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种文本的分类方法及装置。

背景技术

随着社会和时代的发展，人们的工作和生活越来越依赖互联网，通过互联网可以查询资料，购买商品，投放广告等。但目前互联网上用户生产与检索的自然文本每日呈指数级的速度增长。对于网络上的庞杂的内容，通过搜索引擎检索内容时，容易出现信息超载的情况，因此需要对文本信息进行分类。同时，文本分类能够帮助业务部门进行流量分析、内容审核、构建用户/产品画像、精准推荐、关键词扩簇、CTR预估等等，具有极其重要的意。

但是，在海量的文本数量中存在大量的局部错误文本，目前的文本分类方法对该类存在错误的文本的语义理解通常存在较大偏差，文本纠正效果较差，因此在文本分类的时候常常无法对待分类的文本进行正确的分类，分类准确度低。

发明内容

鉴于上述问题，本发明提出了一种文本的分类方法及装置，解决了现有技术的错误文本纠正效果差，无法对待分类的文本进行正确的分类，分类准确度低的问题。

第一方面，本申请通过本申请的一实施例提供如下技术方案：

一种文本的分类方法，包括：获取待分类文本；从预设词库中选出与所述待分类文本相似的多个目标词条，其中，所述预设词库中存储有多个词条、以及每个词条所属的类别，所述目标词条属于所述多个词条；根据所述预设词库，确定所述多个目标词条中的每个目标词条所属的类别；根据所述多个目标词条中的每个目标词条所属的类别，确定目标类别，并将所述目标类别作为所述待分类文本所属的类别。

优选地，所述从预设词库中的选出与所述待分类文本相似的多个目标词条，包括：依次计算所述待分类文本与所述预设词库中的每个词条的编辑距离；将所述预设词库中的所述编辑距离小于预设距离的词条确定为所述目标词条。

优选地，所述根据每个所述目标词条所属的类别，确定目标类别，包括：根据所属的类别的不同，对所述多个目标词条进行分组，获得Q组词条，其中，位于同一组的目标词条所属的类别均相同，Q为正整数；从所述Q组词条中选出词条数量最多的一组词条，并将该组词条所属的类别作为所述目标类别。

优选地，所述从预设词库中选出与所述待分类文本相似的多个目标词条之前，还包括：根据所述待分类文本，在所述预设词库中匹配与所述待分类文本对应的词条；若匹配失败，则执行所述从预设词库中的选出与所述待分类文本相似的多个目标词条。

优选地，所述根据所述待分类文本，在所述预设词库中匹配与所述待分类文本对应的词条的步骤，具体包括：根据所述待分类文本，在所述预设词库中查找与所述待分类文本相同的词条。

第二方面，基于同一发明构思，本申请通过本申请的一实施例提供如下技术方案：

一种文本的分类装置，其特征在于，包括：接收模块，用于获取待分类文本；筛选模块，用于从预设词库中选出与所述待分类文本相似的多个目标词条，其中，所述预设词库中存储有多个词条、以及每个词条所属的类别，所述目标词条属于所述多个词条；第一确定模块，用于根据所述预设词库，确定所述多个目标词条中的每个目标词条所属的类别；第二确定模块，用于根据所述多个目标词条中的每个目标词条所属的类别，确定目标类别，并将所述目标类别作为所述待分类文本所属的类别。