[发明专利]一种文本分类方法、装置、电子设备及存储介质

说明书

本发明公开了一种文本分类方法、装置、电子设备及存储介质，其中所述方法包括：获取待分类文本，并对所述待分类文本进行预处理；根据预处理后的所述待分类文本，提取所述待分类文本的文本特征向量；其中，所述文本特征向量包括拼音特征向量、字序列特征向量和词序列特征向量；将所述待分类文本的文本特征向量输入预设的文本分类模型中，获得所述待分类文本的分类结果；其中，所述文本分类模型根据预设的文本样本以及与文本样本对应的文本类别学习。本发明能够提高文本分类的准确性。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种文本分类方法、装置、电子设备及存储介质。

背景技术

随着科学技术的不断发展，人类已经走进人工智能时代，常常需要与智能产品进行交互，使智能产品为用户提供服务。而文本交互依然是当下用户与智能产品交互的重要手段之一，智能产品提供识别用户输入的文本对文本进行识别、分类等处理。

在某些应用场景中，需要智能产品对文本进行分类，根据分类结果来为用户提供服务，例如禁止用户输入辱骂性的言论，需要对文本进行分类，判断是否属于辱骂性文本。然而目前的文本分类技术基本是根据文本中的字、词进行分类，一旦用户输入的文本存在字词的拼写错误，就容易造成文本分类错误，文本分类准确度不高。

发明内容

本发明实施例所要解决的技术问题在于，提供一种文本分类方法、装置、电子设备及存储介质，能够提高文本分类的准确度。

第一方面，本发明实施例提供了一种文本分类方法，所述方法包括：

获取待分类文本，并对所述待分类文本进行预处理；

根据预处理后的所述待分类文本，提取所述待分类文本的文本特征向量；其中，所述文本特征向量包括拼音特征向量、字序列特征向量和词序列特征向量；

将所述待分类文本的文本特征向量输入预设的文本分类模型中，获得所述待分类文本的分类结果；其中，所述文本分类模型根据预设的文本样本以及与文本样本对应的文本类别学习。

优选地，所述文本特征向量还包括字符数量特征向量；其中，所述字符数量特征向量包括用于指示在预处理后的待分类文本中与每一种预设的字符类别对应的字符的数量的元素。

优选地，所述字符类别包括标点字符类别、特殊符号类别、简体中文字符类别和繁体中文字符类别。

优选地，所述根据预处理后的所述待分类文本，提取所述待分类文本的文本特征向量具体包括：

根据预处理后的所述待分类文本中每个文字的拼音，获得拼音序列，并根据所述拼音序列提取所述拼音特征向量；

对预处理后的所述待分类文本中的每个字符进行序列化处理，获得字序列，并根据所述字序列提取所述字序列特征向量；

将预处理后的所述待分类文本输入预设的分词器，获得词序列，并根据所述词序列提取所述词序列特征向量；

将所述拼音特征向量、所述字序列特征向量和所述词序列特征向量按照预设的融合方式进行特征融合，获得所述待分类文本的文本特征向量。

优选地，所述分词器为结巴分词器；所述拼音特征向量、所述字序列特征向量和所述词序列特征向量均通过TF-IDF技术提取。

优选地，所述将所述待分类文本的文本特征向量输入预设的文本分类模型中，获得所述待分类文本的分类结果具体包括：

将所述待分类文本的文本特征向量输入预设的文本分类模型中，计算所述待分类文本的文本特征向量分别为预设的各个文本类别的概率值；

获得所述概率值中的最大概率值，并将所述待分类文本的分类结果确定为预设的各个文本类别中与所述最大概率值对应的文本类别。