[发明专利]文本分类方法、装置、计算机设备及存储介质

说明书

本申请揭示了文本分类方法、装置、计算机设备及存储介质,文本分类方法包括：获取Bayes分类模型根据第一文本输出的第一分类信息，获取神经网络分类模型根据第一文本输出的第二分类信息；若第一分类信息与第二分类信息不相同，则根据第一文本的数据量，确定Bayes分类模型对应的第一权重，以及神经网络分类模型对应的第二权重；计算Bayes分类模型对第一文本的第一分类评价值，以及神经网络分类模型对第一文本的第二分类评价值；判断第一分类评价值是否大于第二分类评价值；若是，则将第一分类评价值对应的第一类目，作为第一文本对应的分类类目。通过将Bayes分类模型与神经网络分类模型匹配使用，提高对文本分类的精准度，且能够快速调节对新样本的学习能力。

技术领域

本申请涉及到计算机领域，特别是涉及到文本分类方法、装置、计算机设备及存储介质。

背景技术

文本分类是对大量杂乱文档进行类别划分，在文本检索领域具有重要作用。因此，对文本进行分类划分，有助于用户快速选择自己需要的领域内的信息文档。目前，对于样本不均衡的中文多分类任务，如财政领域的政策分类，使用单一分类标准的机器学习方法进行文本分类，无法避免单个分类算法本身的缺陷，难以达到理想的准确分类效果，且数据在不断增长的过程中分类精准度更差，不能满足用户的使用需求。

发明内容

本申请的主要目的为提供文本分类方法，旨在解决现有文本分类基于一种分类方法分类不准确的技术问题。

本申请提出一种文本分类方法，方法包括：

获取Bayes分类模型根据第一文本输出的第一分类信息，获取神经网络分类模型根据所述第一文本输出的第二分类信息；

若所述第一分类信息与所述第二分类信息不相同，则根据所述第一文本的数据量，确定所述Bayes分类模型对应的第一权重，以及所述神经网络分类模型对应的第二权重；

计算所述Bayes分类模型对所述第一文本的第一分类评价值，以及所述神经网络分类模型对所述第一文本的第二分类评价值；

判断所述第一分类评价值是否大于所述第二分类评价值；

若是，则将所述第一分类评价值对应的所述第一类目，作为所述第一文本对应的分类类目。

优选地，所述获取Bayes分类模型根据第一文本输出的第一分类信息的步骤，包括：

根据公式：获得所述第一文本对应的第一分类信息，其中，P(doc|c_i)＝x₁P(word₁|c_i)x₂P(word₂|c_i)...x_mP(word_m|c_i)，x_i＝len(word_i)sim(word_i,word_aj)，len(word_i)表示word_i的字符长度，sim(word_i,word_aj)表示word_i,word_aj之间的向量相似度，word_aj表示第a类目下的第j个词。

优选地，所述根据公式：获得所述第一文本对应的第一分类信息的步骤，包括：

根据预构建的短语字典树以及预设分词器，对所述第一文本进行分词处理；

根据第一分词对应的第一字符长度值以及第一词向量，得到所述第一分词相对于指定类目的归类概率，其中，所述指定类目包含于所有的预设类目中；