[发明专利]文本的分类方法、装置和计算机可读存储介质

说明书

本公开涉及一种文本的分类方法、装置和计算机可读存储介质，涉及人工智能技术领域。该方法包括：计算目标文本中各词的词向量；计算各词的词向量与各分类标签的词向量的相似度；根据相似度，利用注意力模型确定各词的注意力概率；根据相似度，利用分类器模型确定目标文本所属的分类。本公开的技术方案能够提高计算机对文本分类的准确性。

技术领域

本公开涉及人工智能技术领域，特别涉及一种文本的分类方法、文本的分类装置和计算机可读存储介质。

背景技术

随着人工智能技术的发展，计算机可以对自然语言文本进行语义理解。在此基础上，可以通过对物品的描述文本进行语义理解，确定物品的分类。

例如，电商平台上会设置用于描述物品的属性的分类标签，但是，电商平台中往往存在很多标签残缺的物品。对这些物品的标题进行处理即可确定物品的分类，从而为这些物品商品补充标签。

在相关技术中，根据物品的标题文本和分类标签的热独码，利用LSTM(LongShort-Term Memory，长短期记忆)模型确定标题的分类，从而确定物品的分类。

发明内容

本公开的发明人发现上述相关技术中存在如下问题：无法深度挖掘文本中各词和标签之间的语义关联，对文本中的各词作无差别处理，导致计算机对文本分类的准确性低。

鉴于此，本公开提出了一种文本的分类技术方案，能够提高计算机对文本分类的准确性。

根据本公开的一些实施例，提供了一种文本的分类方法，包括：计算目标文本中各词的词向量；计算所述各词的词向量与各分类标签的词向量的相似度；根据所述相似度，利用分类器模型确定所述目标文本所属的分类。

在一些实施例中，根据所述相似度，利用注意力模型确定所述各词的注意力概率；根据所述各词的注意力概率，利用所述分类器模型确定所述目标文本所属的分类。

在一些实施例中，根据所述相似度，对所述各词的词向量进行排序，以形成词向量序列；将所述词向量序列输入所述注意力模型，确定所述各词的注意力概率。

在一些实施例中，计算所述各分类标签的词向量的均值；计算所述各词的词向量与所述均值的相似度，作为所述各词的词向量与所述各分类标签的词向量的相似度。

在一些实施例中，将所述词向量序列输入所述注意力模型，确定所述各词的词向量的权重；根据所述权重和相应词的词向量，确定所述相应词的注意力概率。

在一些实施例中，所述目标文本为物品的描述文本，所述分类标签用于标识物品的品类，所述目标文本所属的分类为物品所属的品类。

在一些实施例中，计算所述各词的词向量与所述均值的余弦相似度。

根据本公开的另一些实施例，提供一种文本的分类装置，包括：计算单元，用于计算目标文本中各词的词向量，计算所述各词的词向量与各分类标签的词向量的相似度；确定单元，用于根据所述相似度，利用分类器模型确定所述目标文本所属的分类。

根据本公开的又一些实施例，提供一种文本的分类装置，包括：存储器；和耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器装置中的指令，执行上述任一个实施例中的文本的分类方法。

根据本公开的再一些实施例，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一个实施例中的文本的分类方法。

在上述实施例中，根据文本中各词与标签的语义相似程度，确定文本的分类。这样，能够挖掘文本与标签之间的语义关联，评估目标文本中各词对于分类的重要性，从而提高了计算机对文本分类的准确性。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。