[发明专利]投诉文本的分类方法、系统和存储介质

说明书

本发明提供一种投诉文本的分类方法、系统和存储介质，涉及文本分类领域。包括以下步骤：获取投诉文本，对投诉文本预处理；基于预训练的Doc2vec模型对投诉文本进行处理，获取文本特征向量；基于预训练的隐含狄利克雷分布模型对投诉文本进行处理，获取主题特征向量；基于文本特征向量和主题特征向量获取文本向量；基于预训练的支持向量机模型对文本向量处理，得到第一分类结果；基于预训练的随机森林模型对文本向量处理，得到第二分类结果；基于bagging方法对第一分类结果和第二分类结果进行处理，得到投诉文本的分类结果。本发明可以将投诉文本准确分类。

技术领域

本发明涉及文本分类领域，具体涉及一种投诉文本的分类方法、系统和存储介质。

背景技术

随着互联网技术的快速发展，用户对产品和服务的要求也增多。因此，许多企业出现了产品质量不合格或用户服务体验差等现象，这会导致用户发表大量的投诉信息。但是投诉信息是多种多样的，企业需要将这些投诉信息进行分类，基于不同类别分别处理，以便解决用户提出的问题。因此，对投诉文本进行分类具有重要的意义。

现有技术提供的文本分类方法一般为：通过文本表示模型，诸如 tfidf模型等，对文本的特征进行抽取，并用文本向量表示。再将文本向量输入到分类算法中，得到分类结果。

然而现有技术提供的分类方法，在提取文本向量时，得到的向量维度过高。因此，现有技术不能很好地分析文本，导致分类结果不够准确。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种投诉文本的分类方法、系统和存储介质，解决了现有技术对投诉文本分类不准确的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

本发明解决其技术问题所提供的一种投诉文本的分类方法，所述分类方法由计算机执行，包括以下步骤：

获取投诉文本，对所述投诉文本预处理；

基于预训练的Doc2vec模型对预处理后的投诉文本进行处理，获取文本特征向量；基于预训练的隐含狄利克雷分布模型对预处理后的投诉文本进行处理，获取主题特征向量；

基于所述文本特征向量和所述主题特征向量获取文本向量；

基于预训练的支持向量机模型对所述文本向量处理，得到第一分类结果；基于预训练的随机森林模型对所述文本向量处理，得到第二分类结果；

基于bagging方法对所述第一分类结果和所述第二分类结果进行处理，得到所述投诉文本的分类结果。

优选的，对所述投诉文本预处理，包括：

去除敏感信息和停用词；

对所述投诉文本进行分词处理。

优选的，所述主题特征向量的获取方法包括：

将所述投诉文本输入预训练的隐含狄利克雷分布模型，获得所述投诉文本的文档-主题概率分布；

基于所述文档-主题概率分布获取主题特征向量。

优选的，所述文本特征向量的获取方法包括：

所述Doc2vec模型包括DM模型和DBOW模型；

基于所述DM模型对所述投诉文本处理，得到DM文本特征向量；

基于所述DBOW模型对所述投诉文本处理，得到DBOW文本特征向量；

合并所述DM文本特征向量和所述DBOW文本特征向量，得到所述文本特征向量。