[发明专利]数据信息分类方法及装置

权利要求书

1.一种数据信息分类方法，其特征在于，包括以下步骤：

获取待分类的文本信息；

对所述文本信息进行向量化处理，得到所述文本信息对应的文本向量，所述向量化处理包括：先对待处理的句子进行分词，得到多个单独词；再对每个单独词进行词性标注，获得词性标注结果；对每个单独词进行实体识别，获得实体识别结果；将分词结果输入预设词向量模型，以得到每个单独词的词向量；将词性标注结果输入预设词性向量模型，以得到每个单独词的词性向量；将实体识别结果输入预设实体向量模型，以得到每个单独词的实体结果向量，将每个单独词的词向量、词性向量和实体结果向量拼接在一起的向量集合作为文本向量；

对所述文本向量进行融合处理，得到所述文本信息的多个方面的表示特征；

对所述表示特征中包括的特征向量进行全局平均池化处理，得到每个所述特征向量对应的聚合信息；

利用两个全连接网络对所述聚合信息进行筛选处理，得到每个所述特征向量对应的筛选参数；

根据所述筛选参数判断所述特征向量是否为噪声特征，若是，则将所述特征向量屏蔽，并更新剩余的所述特征向量，得到更新后的特征向量；

根据更新后的所述特征向量，更新所述多个方面的表示特征；

对更新后的多个方面的表示特征进行降维处理，得到一个目标特征；

根据所述目标特征得到所述文本信息的分类信息；

对所述文本向量进行融合处理，得到所述文本信息的多个方面的表示特征采用以下公式处理：

其中，h_i为第i个方面的所述表示特征，i的取值范围为[1，l]，l为预设次数，v为所述文本向量，d_v为构成所述文本向量的单独词的数目，和分别表示第i次计算时的不同的参数矩阵且分别通过神经网络训练获得；

所述预设次数的取值范围在5～12之间；

所述降维处理包括：

将每个方面的所述表示特征分别放入卷积神经网络的一个单独通道；

对于每一所述单独通道，通过下述公式计算所述目标特征中的每个特征向量：

c_j＝f(w_f·h_(i：i+n-1)+b_f)

其中，j的取值范围为[1，m]，c_j表示融合特征中的第j项特征向量，m为卷积核的个数，f为非线性函数，w_f为参数矩阵，b_f为偏置参数，h_(i：i+n-1)由h_i、h_i+1、…、h_i+n-1依次连接组成，n为卷积窗口的长度，h_i表示第i个方面的所述表示特征；

根据计算得到的m个特征向量生成所述目标特征；

根据所述筛选参数判断所述特征向量是否为噪声特征，若是，则将所述特征向量屏蔽，并更新剩余的所述特征向量，得到更新后的特征向量采用以下公式处理：

其中，所述c_j表示第j项特征向量，所述x_j为所述c_j对应的更新后的特征向量，所述s_j为所述c_j对应的所述筛选参数。

2.如权利要求1所述的方法，其特征在于，根据所述目标特征得到所述文本信息的分类信息包括：

获取所述目标特征包括的每个特征向量的突出特征，所述突出特征包括所述特征向量中元素的最大值和平均值；

根据所述突出特征，获取高层特征集合；

根据所述高层特征集合，利用全连接网络预测所述文本信息的每个类别概率向量；

将所述类别概率向量中最大的元素对应的类别作为所述文本信息的分类信息。

3.如权利要求2所述的方法，其特征在于，所述根据所述高层特征集合，利用全连接网络预测所述文本信息的每个类别概率向量采用以下公式处理：

其中，y为类别概率向量，w_p为全连接网络的参数矩阵，r为符合伯努利分布的遮蔽向量，q为所述高层特征集合，b_p为偏置参数。

4.如权利要求1所述的方法，其特征在于，所述待分类的文本信息为一个句子。