[发明专利]一种文本分类方法及装置

权利要求书

1.一种文本分类方法，其特征在于，所述方法包括：

获得文本的特征和文本中词汇的特征；

获得词汇在文本中出现的次数，并根据所获得的次数确定用于表示词汇与词汇之间、以及词汇与文本之间是否存在关联关系的描述信息；

以文本和词汇为节点，且以文本的特征和词汇的特征为节点数据，根据所述描述信息，生成图，其中，所述图中具有关联关系的两个文本和/或词汇对应的节点之间存在边；

根据所生成的图以及预设的注意力参数，基于图注意力机制，对图中节点对应的文本的特征和词汇的特征进行调整；

根据调整后的文本的特征和词汇的特征，对文本进行分类。

2.根据权利要求1所述的方法，其特征在于，所述根据所生成的图以及预设的注意力参数，基于图注意力机制，对图中节点对应的文本的特征和词汇的特征进行调整，包括：

针对所生成的图中的每一节点，根据该节点对应的对象的特征、关联节点对应的关联对象的特征以及预设的注意力参数，基于图注意力机制，计算所述关联对象对该对象的重要程度，其中，节点对应的对象包括：文本和文本中的词汇，所述关联节点为：与该节点之间存在边的节点；

根据计算得到的重要程度以及各个对象的关联对象的特征，对各个对象的特征进行调整。

3.根据权利要求1所述的方法，其特征在于，所述根据所生成的图以及预设的注意力参数，基于图注意力机制，对图中节点对应的文本的特征和词汇的特征进行调整；根据调整后的文本的特征和词汇的特征，对文本进行分类，包括：

将所生成的图输入预先训练的分类模型，得到文本的分类结果，其中，所述分类模型用于：对图中节点对应的文本的特征和词汇的特征进行调整，并根据调整后的文本的特征和词汇的特征对文本进行分类，所述分类模型为：基于图注意力机制、对预设的图神经网络模型进行有监督训练得到的模型，所述图神经网络模型的模型参数包括所述注意力参数。

4.根据权利要求3所述的方法，其特征在于，通过以下方式训练得到所述分类模型：

获得样本文本的特征和样本文本中样本词汇的特征；

获得样本词汇在样本文本中出现的次数，并根据所获得的次数确定用于表示样本词汇与样本词汇之间、以及样本词汇与样本文本之间是否存在关联关系的样本描述信息；

以样本文本和样本词汇为节点，且以样本文本的特征和样本词汇的特征为节点数据，根据所述样本描述信息，生成样本图，其中，所述样本图中具有关联关系的两个样本文本和/或样本词汇对应的节点之间存在边；

将所生成的样本图输入预设的图神经网络模型对样本文本进行分类；

根据样本文本和样本词汇的分类结果以及样本文本和样本词汇的样本标记，计算所述预设的图神经网络模型的损失；

根据所述损失调整所述图神经网络模型的模型参数，直至所述图神经网络模型满足预设的收敛条件，将调整参数后的所述图神经网络模型确定为所述分类模型。

5.根据权利要求1所述的方法，其特征在于，所述预设的注意力参数包括多组注意力参数；

所述根据所生成的图以及预设的注意力参数，基于图注意力机制，对图中节点对应的文本的特征和词汇的特征进行调整，包括：

针对每一组注意力参数，根据所述描述信息以及该组注意力参数，基于图注意力机制，对图中节点对应的文本的特征和词汇的特征进行调整，得到文本的子调整特征和词汇的子调整特征；

将文本的各子调整特征进行连接，并将词汇的各子调整特征进行连接，得到调整后的文本的特征和词汇的特征。

6.根据权利要求1所述的方法，其特征在于，所述根据所生成的图以及预设的注意力参数，基于图注意力机制，对图中节点对应的文本的特征和词汇的特征进行调整，包括：

重复执行根据所生成的图以及预设的注意力参数，基于图注意力机制，对图中节点对应的文本的特征和词汇的特征进行调整的步骤，直至执行次数达到预设次数。