[发明专利]文本分类模型训练和使用方法及装置

权利要求书

1.一种文本分类模型训练方法，包括：

定义基础领域、每个领域内的强说法和每个领域内的弱说法，其中，所述强说法是领域表达能力强的说法，所述强说法唯一对应于某一领域，所述弱说法是领域表达能力弱的说法；

根据基础领域、强说法和弱说法，对用户说法进行人工标注；

采用双向长短时记忆网络对文本分类建立文本分类模型，其中，所述文本分类模型的输入包括每个词的词向量和词库特征向量的拼接，所述模型的输出是每个领域的强弱说法表示；

提取用户说法中每个词的词向量和每个词的词库特征向量，其中，所述词库特征向量由所述用户说法中每个词包含的词库信息提取转换而成；

将每个词的所述词向量和所述词库特征向量输入至所述文本分类模型并获取所述文本分类模型的输出；

利用人工标注的用户说法作为所述输出的目标对所述模型进行训练和更新。

2.根据权利要求1所述的方法，其中，在所述每个领域的强弱说法表示中，0表示本领域的弱说法对应的标签，-1表示不是本领域的说法对应的标签，1表示本领域的强说法对应的标签，所述方法还包括：

当所述模型判定所述用户说法为对应领域的强说法的概率大于等于预设阈值时，输出标签为1；

当模型判定所述用户说法为对应领域的弱说法的概率大于等于预设阈值时，输出标签为0；

当模型判断所述用户说法不是对应领域的说法的概率大于等于预设阈值时，输出标签为-1。

3.一种文本分类模型使用方法，包括：

接收并提取用户说法中每个词包含的词库信息并转换成词库特征向量，以及提取所述用户说法中每个词的词向量；

将所述词向量和所述词库特征向量拼接后作为根据权利要求1或2中任一项所述的方法训练后的模型的输入；

接收所述模型的输出，其中，所述输出包括所述用户说法的对于每个领域的强弱说法的表示。

4.根据权利要求3所述的方法，其中，0表示本领域的弱说法对应的标签，-1表示不是本领域的说法对应的标签，1表示本领域的强说法对应的标签，所述方法还包括：

若所述用户说法采集自首轮对话，选择领域输出标签为1的至少一个领域；

将所述至少一个领域的模型判定的概率按照从大到小的顺序进行排序；

输出排在前N位的概率对应的领域作为最终领域分类结果。

5.根据权利要求4所述的方法，其中，所述方法还包括：

若所述用户说法采集自非首轮对话，获取领域输出标签为1或者0的至少一个领域；

判断上一轮对话所在的领域是否属于所述至少一个领域；

若属于，将所述上一轮对话所在的领域作为所述用户说法的最终领域分类结果；

若不属于，输出所述至少一个领域中标签为1的领域作为最终领域分类结果。

6.根据权利要求4或5所述的方法，其中，所述方法还包括：

若不存在任意一个领域输出标签为1时，输出null领域作为最终领域分类结果。

7.一种文本分类模型训练装置，包括：

定义模块，配置为定义基础领域、每个领域内的强说法和每个领域内的弱说法，其中，所述强说法是领域表达能力强的说法，所述强说法唯一对应于某一领域，所述弱说法是领域表达能力弱的说法；

人工标注模块，配置为根据基础领域、强说法和弱说法，对用户说法进行人工标注；

建模模块，配置为采用双向长短时记忆网络对文本分类建立文本分类模型，其中，所述文本分类模型的输入包括每个词的词向量和词库特征向量的拼接，所述模型的输出是每个领域的强弱说法表示；

提取模块，配置为提取用户说法中每个词的词向量和每个词的词库特征向量，其中，所述词库特征向量由所述用户说法中每个词包含的词库信息提取转换而成；

输入输出模块，配置为将每个词的所述词向量和所述词库特征向量输入至所述文本分类模型并获取所述文本分类模型的输出；

训练更新模块，配置为利用人工标注的用户说法作为所述输出的目标对所述模型进行训练和更新。