[发明专利]文本分类方法及装置

说明书

本申请提供一种文本分类方法及装置。该方法包括：获取当前场景下每一子意图对应的示例问题，示例问题为一类问题的标准问法，根据用户在当前场景下输入的问题和文本匹配算法对每一子意图对应的示例问题进行扩充，得到扩充后的每一子意图对应的示例问题，根据混淆矩阵、每两个子意图之间的混淆度和扩充后的每一子意图对应的示例问题，对所有子意图进行合并，得到N个子意图，N为正整数。从而实现了对新场景下的线上语料进行自动合理的分类，相比较人工耗时短，且提高了准确率。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种文本分类方法及装置。

背景技术

目前，在客服机器人对话系统中，文本分类主要是用来识别用户查询的意图，在客服机器人对话系统中起着非常重要的作用。文本分类的过程为：首先通过人工取线上语料(即用户所输入的问题)进行标注，在标注完成后，对标注的数据进行混淆调优以调整分类，从而使分类更加合理，最后通过分类算法训练调整分类后的数据得出分类模型。

在客服机器人对话系统中做业务拓展，通常需要耗费大量的人力进行标注和调整分类，训练新的分类模型以适应新增的场景。现有技术中在业务拓展时，通过业务人员会分析线上语料，然后根据业务类型对线上语料分类，接着根据分类结果对新场景的所有线上语料进行标注，同样地，在标注完成后，对标注的数据进行混淆调优以调整分类，从而使分类更加合理，最后通过分类算法训练调整分类后的数据得出分类模型。

业务人员根据业务类型对线上语料分类时，通常会将某一些子意图(指一种场景下客服机器人可直接应答的一类问题)根据业务类型合并到一个大分类里，而通过人工进行分类耗时长、准确率低。

发明内容

本申请提供一种文本分类方法及装置，以解决现有方法在业务拓展时耗时长、准确率低的问题。

第一方面，本申请提供一种文本分类方法，包括：

获取当前场景下每一子意图对应的示例问题，所述示例问题为一类问题的标准问法；

根据用户在当前场景下输入的问题和文本匹配算法对所述每一子意图对应的示例问题进行扩充，得到扩充后的每一子意图对应的示例问题；

根据混淆矩阵、每两个子意图之间的混淆度和扩充后的每一子意图对应的示例问题，对所有子意图进行合并，得到N个子意图，所述N为正整数。

进一步的，所述根据用户在当前场景下输入的问题和文本匹配算法对所述每一子意图对应的示例问题进行扩充，得到扩充后的每一子意图对应的示例问题，包括：

通过文本匹配算法从用户在当前场景下输入的问题中筛选出与所述每一子意图对应的示例问题相匹配的示例问题；

将所筛选出的与所述每一子意图对应的示例问题相匹配的示例问题分别作为扩充后的每一子意图对应的示例问题。

进一步地，所述根据混淆矩阵、每两个子意图之间的混淆度和扩充后的每一子意图对应的示例问题，对所有子意图进行合并，得到N个子意图，包括：

S1、依次将每一子意图对应的示例问题输入到所述混淆矩阵，得到每个示例问题预测的子意图、每个子意图的准确率和召回率的调和平均值和所有子意图的总体准确率和召回率的调和平均值；

S2、根据子意图对应的实际示例问题和预测的示例问题计算所有子意图中任意两个子意图的混淆度；

S3、将混淆度最大的M个子意图合并，得到一个新的子意图，所述M为预设正整数，所述新的子意图对应的示例问题的个数为所述混淆度最大的M个子意图对应的示例问题的个数之和；

根据所述新的子意图和除所述M个子意图之外的子意图继续执行所述S1-S3，直到所有子意图的个数为所述N，所述N为预设值；或者，