[发明专利]结合RPA和AI的文本分类方法、装置、设备及介质

权利要求书

1.一种结合RPA和AI的文本分类方法，其特征在于，所述方法包括：

S1、获取待分类文本；

S2、根据预先训练得到的预训练词表，确定所述待分类文本中包括的每个目标分词对应的目标词向量；所述预训练词表中包括各分词与各预训练词向量的对应关系；

S3、将包括各所述目标词向量的所述待分类文本输入预先训练得到的分类模型中，得到所述待分类文本对应的文本类型；所述分类模型为根据各样本文件，以及所述各样本文件对应的文本类型训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：

S21、对所述待分类文本进行分词处理，得到所述待分类文本中包括的每个目标分词；

S22、获取预先训练得到的预训练词表；依次在所述预训练词表中查找所述每个目标分词对应的预训练词向量，得到所述待分类文本中包括的每个目标分词对应的目标词向量。

3.根据权利要求1所述的方法，其特征在于，所述预训练词表的训练过程包括：

S4、获取源数据；

S5、将所述源数据输入预训练模型中，对所述预训练模型进行无监督训练，得到所述源数据对应的预训练词表；所述预训练词表的维数为A*B，所述A为所述预训练词表中包括的分词数量，所述B为所述预训练词表中包括的每个分词对应的预训练词向量的维数，所述B大于预设数量阈值。

4.根据权利要求3所述的方法，其特征在于，所述步骤S4之后，还包括：

S6、将所述源数据中与预设正则表达式相匹配的字符替换为预设标记；

S7、剔除所述源数据中的非中文字符。

5.根据权利要求3所述的方法，其特征在于，所述步骤S2之后，还包括：

S8、将所述目标分词存储至预设存储位置，并判断所述预设存储位置所存储的目标分词的数量是否大于预设阈值；

S9、在所述存储位置所存储的目标分词的数量大于所述预设阈值时，将所述预设存储位置所存储的目标分词和所述源数据输入所述预训练模型中，对所述预训练模型进行无监督训练，得到当前词表；

S10、获取多个测试文本，通过各所述测试文本确定所述当前词表和所述预训练词表的准确性，在所述当前词表的准确性大于所述预训练词表时，使用所述当前词表更新所述预训练词表。

6.根据权利要求5所述的方法，其特征在于，所述步骤S10具体包括：

S101、获取多个测试文本，根据所述预训练词表确定各所述测试文本对应的预训练测试词向量，根据所述当前词表确定各所述测试文本对应的当前测试词向量；

S102、将包括各所述预训练测试词向量的各所述测试文本输入所述分类模型中，得到各所述测试文本对应的预训练测试类型；将包括各所述当前测试词向量的各所述测试文本输入所述分类模型中，得到各所述测试文本对应的当前测试类型；

S103、根据各所述测试文本的预训练测试类型和当前测试类型，以及各所述测试文本的标注类型，确定所述当前词表和所述预训练词表的准确性，在所述当前词表的准确性大于所述预训练词表时，使用所述当前词表更新所述预训练词表。

7.根据权利要求6所述的方法，其特征在于，所述步骤S103具体包括：

S1031、根据各所述测试文本的预训练测试类型，以及各所述测试文本的标注类型，计算所述预训练词表对应的第一准确率和第一召回率，根据所述第一准确率和第一召回率计算所述预训练词表对应的第一准确性；

S1032、根据各所述测试文本的当前测试类型，以及各所述测试文本的标注类型，计算所述当前词表对应的第二准确率和第二召回率，根据所述第二准确率和第二召回率计算所述当前词表对应的第二准确性；

S1033、在所述第二准确性大于所述第一准确性时，使用所述当前词表更新所述预训练词表。