[发明专利]一种文本分类方法、装置、设备和介质

说明书

本申请公开了一种文本分类方法、装置、设备和介质，涉及自然语言处理技术领域。具体实现方案为：获取待分类文本；将待分类文本的词序列输入词向量编码模型以确定词序列的词向量序列；将待分类文本的实体序列输入实体向量模型以确定实体序列对应的实体向量序列；实体向量模型基于实体向量编码模型来确定实体向量，实体向量编码模型基于实体知识图谱数据库的文本训练而成；根据词向量序列和实体向量序列对待分类文本进行分类识别。本申请实施例避免了特征工程和训练样本的构建，降低了文本分类模型的构建难度；通过词向量序列和实体向量序列综合进行文本分类，提升了文本分类模型的语义敏感度，进而提升了待分类文本的分类结果的准确度。

技术领域

本申请实施例涉及计算机数据处理技术，尤其涉及自然语言处理技术领域，具体涉及一种文本分类方法、装置、设备和介质。

背景技术

文本分类是机器学习领域最基础且应用场景最为广泛的任务，文本分类的目标是自动将文本形式的文档分类为一个或多个预定义类别。

基于词向量转换进行文本分类的技术是目前经常采用的技术，但是，现有方案，有的极度依赖特征工程和训练样本的构建过程，需要花费较大人力成本，还有的则对语义不够敏感，难以满足复杂场景下的文本分类应用需求。

发明内容

本申请实施例提供一种文本分类方法、装置、设备和介质，以降低文本分类模型的构建难度，且提升文本分类模型的语义敏感度。

第一方面，本申请实施例提供了一种文本分类方法，包括：

获取待分类文本；

将待分类文本的词序列输入词向量编码模型，以确定所述词序列的词向量序列；

将所述待分类文本的实体序列输入实体向量模型，以确定所述实体序列对应的实体向量序列，其中，所述实体向量模型是基于实体向量编码模型来确定实体向量，所述实体向量编码模型是基于实体知识图谱数据库的文本作为样本训练而成的；

根据所述词向量序列和实体向量序列，对所述待分类文本进行分类识别。

上述申请中的一个实施例具有如下优点或有益效果：降低了文本分类模型的构建难度，同时提升了文本分类模型的语义敏感度。本申请实施例通过获取待分类文本，并将待分类模型文本的词序列输入词向量编码模型，以确定词序列的词向量序列；将待分类文本的实体序列输入至基于实体图谱数据库的文本训练而获得的实体向量模型，以确定实体序列对应的实体向量序列；根据词向量序列和实体向量序列，对待分类文本进行分类识别。上述技术方案通过词向量编码模型和实体向量模型的使用，分别确定与待分类文本对应的词向量序列和实体向量序列，避免了特征工程和训练样本的构建构成，降低了文本分类模型的构建难度；通过在词向量序列和实体向量序列两种不同维度下，综合进行待分类文本的分类识别，提升了文本分类模型的语义敏感度，进而提升了待分类文本的分类结果的准确度。

可选的，在根据所述词向量序列和实体向量序列，对所述待分类文本进行分类识别之前，还包括：

将所述词向量序列输入词向量注意机制模型，以确定各词向量的注意权重；

将所述实体向量序列输入实体向量注意机制模型，以确定各实体向量的注意权重；

相应的，根据所述词向量序列和实体向量序列，对所述待分类文本进行分类识别包括：

根据所述词向量序列、实体向量序列以及各自的注意权重，对所述待分类文本进行分类识别。

上述申请中的一个实施例通过引入词向量注意力机制模型和实体向量注意力机制模型，对词向量序列和实体向量序列分配注意权重，并根据所分配的注意权重进行文本的分类识别，从而对待分类文本在词向量和实体向量维度下的分类结果有效均衡，对文本中的重要信息进行凸显，最大化不同向量序列的模型贡献度，进一步提高了文本分类模型的语义敏感度，提升了文本分类结果的准确度。