[发明专利]文本数据的分类方法、装置、非易失性存储介质、处理器

权利要求书

1.一种文本数据的分类方法，其特征在于，包括：

对待分类文本数据进行语义表征处理，得到词向量；

对所述词向量进行语句级别特征处理，得到文本特征表示；

对所述文本特征表示进行分类处理，得到分类结果。

2.根据权利要求1所述的文本数据的分类方法，其特征在于，所述文本数据的分类方法还包括：

对所述待分类文本数据进行分词处理，得到分词结果；

从所述分词结果中去除停用词，得到预处理结果。

3.根据权利要求2所述的文本数据的分类方法，其特征在于，对所述待分类文本数据进行语义表征处理，得到所述词向量包括：

利用第一神经网络模型将所述预处理结果转化成向量形式，得到文本表示的所述词向量，其中，所述第一神经网络模型为多层双向转换解码模型。

4.根据权利要求1所述的文本数据的分类方法，其特征在于，对所述词向量进行语句级别特征处理，得到所述文本特征表示包括：

利用第二神经网络模型对所述词向量进行语句级别特征处理，得到所述文本特征表示，其中，所述第二神经网络模型为句级别的双向反馈网络模型。

5.根据权利要求4所述的文本数据的分类方法，其特征在于，所述第二神经网络模型包括：至少一个第三神经网络模型、全连接层以及至少一个第四神经网络模型，利用所述第二神经网络模型对所述词向量进行语句级别特征处理，得到所述文本特征表示包括：

利用所述至少一个第三神经网络模型对所述词向量进行单词特征编码处理，得到句子特征编码向量，其中，所述至少一个第三神经网络模型为词级别的编码网络模型；

利用所述全连接层汇总所述句子特征编码向量，并将所述句子特征编码向量前向传递至所述至少一个第四神经网络模型，其中，所述至少一个第四神经网络模型为词级别的解码网络模型；

利用所述至少一个第四神经网络模型对所述句子特征编码向量进行单词特征解码处理，得到所述文本特征表示。

6.根据权利要求5所述的文本数据的分类方法，其特征在于，对所述文本特征表示进行分类处理，得到所述分类结果包括：

利用分类器对所述文本特征表示中的每个语句的特征表示进行分类处理，得到每个语句对应类别的概率值；

统计每个语句对应类别的概率值，得到所述分类结果。

7.一种文本数据的分类装置，其特征在于，包括：

第一处理模块，用于对待分类文本数据进行语义表征处理，得到词向量；

第二处理模块，用于对所述词向量进行语句级别特征处理，得到文本特征表示；

第三处理模块，用于对所述文本特征表示进行分类处理，得到分类结果。

8.一种非易失性存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的文本数据的分类方法。

9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至6任一项中所述的文本数据的分类方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的文本数据的分类方法。