[发明专利]文本分类模型的训练方法及装置、文本分类方法及装置

权利要求书

1.一种文本分类模型的训练方法，包括：

获取N个原始文本和对应的N个文本类别标签，其中N为大于1的正整数；

对所述N个原始文本进行拼接，得到拼接文本；

分别对所述N个文本类别标签进行独热编码，得到N个类别标签向量；

对所述N个类别标签向量进行平均处理，得到综合标签向量；

将所述拼接文本输入文本分类模型中，得到针对所述N个原始文本的综合分类结果；

基于所述综合分类结果和所述综合标签向量，训练所述文本分类模型。

2.根据权利要求1所述的方法，其中，基于所述综合分类结果和所述综合标签向量，训练所述文本分类模型，包括：

基于所述综合分类结果和所述综合标签向量，确定交叉熵损失；

利用所述交叉熵损失，调整所述文本分类模型中的模型参数。

3.根据权利要求1所述的方法，其中，所述N个原始文本为客服场景下采集的历史用户会话文本，所述N个文本类别标签为标准问题类别或标准问题类别标识，所述文本分类模型为标问预测模型。

4.根据权利要求1所述的方法，其中，所述文本分类模型基于深度神经网络DNN，循环神经网络RNN，长短期记忆网络LSTM，Transformer模型或Bert模型。

5.一种文本分类方法，包括：

获取待分类的目标文本；

对所述目标文本进行复制，得到N个目标文本；

对N个所述目标文本进行拼接后，输入通过权利要求1所述的方法训练得到的文本分类模型，得到针对所述目标文本的文本分类结果。

6.一种文本分类模型的训练装置，包括：

获取单元，配置为获取N个原始文本和对应的N个文本类别标签，其中N为大于1的正整数；

拼接单元，配置为对所述N个原始文本进行拼接，得到拼接文本；

编码单元，配置为分别对所述N个文本类别标签进行独热编码，得到N个类别标签向量；

平均单元，配置为对所述N个类别标签向量进行平均处理，得到综合标签向量；

预测单元，配置为将所述拼接文本输入文本分类模型中，得到针对所述N个原始文本的综合分类结果；

训练单元，配置为基于所述综合分类结果和所述综合标签向量，训练所述文本分类模型。

7.根据权利要求6所述的装置，其中，所述训练单元具体配置为：

基于所述综合分类结果和所述综合标签向量，确定交叉熵损失；

利用所述交叉熵损失，调整所述文本分类模型中的模型参数。

8.根据权利要求6所述的装置，其中，所述N个原始文本为客服场景下采集的历史用户会话文本，所述N个文本类别标签为标准问题类别或标准问题类别标识，所述文本分类模型为标问预测模型。

9.根据权利要求6所述的装置，其中，所述文本分类模型基于深度神经网络DNN，循环神经网络RNN，长短期记忆网络LSTM，Transformer模型或Bert模型。

10.一种文本分类装置，包括：

获取单元，配置为获取待分类的目标文本；

复制单元，配置为对所述目标文本进行复制，得到N个目标文本；

预测单元，配置为对N个所述目标文本进行拼接后，输入通过权利要求6所述的装置训练得到的文本分类模型，得到针对所述目标文本的文本分类结果。

11.一种计算机可读存储介质，其上存储有计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-5中任一项的所述的方法。

12.一种计算设备，包括存储器和处理器，其中，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-5中任一项所述的方法。