[发明专利]文本信息分类处理方法、电子设备及计算机可读存储介质

权利要求书

1.一种文本信息分类处理方法，其特征在于，包括：

根据目标文本信息的转发关系和回复关系，确定所述目标文本信息的传播结构；

将所述传播结构输入到双向图卷积神经网络中，其中，所述双向图卷积神经网络包括自顶向下结构的第一图卷积神经网络和自底向上结构的第二图卷积神经网络；

确定所述传播结构的第一邻接矩阵和特征矩阵，所述第一邻接矩阵包括所述传播结构中从上层节点到下层节点之间的各个边，所述特征矩阵包括所述传播结构中每个节点的特征向量，每个节点的特征向量为所述每个节点对应的文本的词向量的词频逆文本频率值；

根据所述第一邻接矩阵，确定第二邻接矩阵；

根据所述特征矩阵和所述第二邻接矩阵，确定所述第一图卷积神经网络的特征信息，得到第一特征信息；

根据所述第二邻接矩阵，确定第三邻接矩阵；

根据所述特征矩阵和所述第三邻接矩阵，确定所述第二图卷积神经网络的特征信息，得到第二特征信息；

根据所述第一特征信息和所述第二特征信息，确定目标特征信息；根据所述目标特征信息，确定所述目标文本信息的分类信息；

根据所述分类信息对所述目标文本信息进行分类处理。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一邻接矩阵，确定第二邻接矩阵，包括：

对所述第一邻接矩阵中的部分边进行丢弃，得到所述第二邻接矩阵。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第二邻接矩阵，确定第三邻接矩阵，包括：

对所述第二邻接矩阵进行转置，得到第三邻接矩阵。

4.根据权利要求2所述的方法，其特征在于，所述对所述第一邻接矩阵中的部分边进行丢弃，得到所述第二邻接矩阵，包括：

丢弃所述第一邻接矩阵中预定数量或预定比例的边，得到所述第二邻接矩阵。

5.根据权利要求2所述的方法，其特征在于，所述根据所述特征矩阵和所述第二邻接矩阵，确定所述第一图卷积神经网络的特征信息，得到第一特征信息，包括：

对所述第二邻接矩阵进行正则化，得到正则化后的第二邻接矩阵；

确定所述第一图卷积神经网络的M层图卷积层分别对应的参数矩阵，所述M为正整数；

基于预定计算公式，根据所述正则化后的第二邻接矩阵、所述特征矩阵和所述M层图卷积层分别对应的参数矩阵，确定所述M层图卷积层分别对应的初始特征信息；

根据所述M层图卷积层分别对应的初始特征信息，确定所述第一图卷积神经网络的特征信息，得到所述第一特征信息。

6.根据权利要求5所述的方法，其特征在于，所述基于预定计算公式，根据所述正则化后的第二邻接矩阵、所述特征矩阵和所述M层图卷积层分别对应的参数矩阵，确定所述M层图卷积层分别对应的初始特征信息，包括：

当M等于1时，基于所述预定计算公式，根据所述正则化后的第二邻接矩阵、所述特征矩阵和第一层图卷积层的参数矩阵，确定第一层图卷积层的初始特征信息；

当M大于1时，基于所述预定计算公式，根据所述正则化后的第二邻接矩阵、第M-1层图卷积层的初始特征信息和第M层图卷积层的参数矩阵，确定第M层图卷积层的初始特征信息。

7.根据权利要求5所述的方法，其特征在于，每一层图卷积层的初始特征信息均包括所述传播结构中每个节点的初始特征信息，所述根据所述M层图卷积层分别对应的初始特征信息，确定所述第一图卷积神经网络的特征信息，包括：

将第M层图卷积层中每个节点的初始特征信息分别与第M-1层图卷积层中根节点的初始特征信息进行拼接，得到第M层图卷积层的中间特征信息，其中，当M等于1时，第M-1层图卷积层的初始特征信息为所述特征矩阵；

对所述第M层图卷积层的中间特征信息进行平均池化处理，得到所述第一图卷积神经网络的特征信息，所述第M层图卷积层的中间特征信息包括所述传播结构中每个节点的中间特征信息。