[发明专利]内容分类方法、装置、电子设备及存储介质

说明书

本申请公开了一种内容分类方法、装置、电子设备及存储介质，涉及人工智能领域，该方法包括：采用内容分类模型，将内容集中每个内容分别与至少一组信息对中的预设内容标签及内容特征进行融合编码处理，得到每个内容对应的融合语义特征；基于每个内容对应的融合语义特征进行分类预测，得到每个内容对应的预测内容标签；根据每个内容对应的预测内容标签对内容分类模型中的参数进行调整，以获得训练后的内容分类模型；基于所述训练后的内容分类模型对待分类内容进行内容分类。本申请有效提升内容分类准确性。

技术领域

本申请涉及人工智能领域，具体涉及一种内容分类方法、装置、电子设备及存储介质。

背景技术

内容分类即通过对待分类内容标定内容标签的分类处理过程。目前，相关技术中存在通过机器学习对待分类内容进行人工智能分类的方式，可以在一定程度上实现待分类内容的智能分类。

但是，相关技术中，在基于机器学习进行内容分类时，通常依赖于经验指导机器学习的分类，而且对于经验信息的学习效果有限，导致内容分类的准确性较低。

发明内容

本申请实施例提供一种内容分类方法及相关装置，可以提升内容分类时的分类准确性。

为解决上述技术问题，本申请实施例提供以下技术方案：

根据本申请的一个实施例，一种内容分类方法，该方法包括：获取内容集及信息集，所述内容集包括至少一个内容，所述信息集包括至少一组信息对，所述信息对包括预设内容标签和所述预设内容标签对应的内容特征；采用内容分类模型，将所述内容集中每个内容分别与所述至少一组信息对中的预设内容标签及内容特征进行融合编码处理，得到每个内容对应的融合语义特征；基于每个内容对应的所述融合语义特征进行分类预测，得到每个内容对应的预测内容标签；根据每个内容对应的预测内容标签对所述内容分类模型中的参数进行调整，以获得训练后的内容分类模型；基于所述训练后的内容分类模型对待分类内容进行内容分类。

根据本申请的一个实施例，一种内容分类装置，该装置包括：获取模块，用于获取内容集及信息集，所述内容集包括至少一个内容，所述信息集包括至少一组信息对，所述信息对包括预设内容标签和所述预设内容标签对应的内容特征；训练模块，用于采用内容分类模型，将所述内容集中每个内容分别与所述至少一组信息对中的预设内容标签及内容特征进行融合编码处理，得到每个内容对应的融合语义特征；预测模块，用于基于每个内容对应的所述融合语义特征进行分类预测，得到每个内容对应的预测内容标签；调整模块，用于根据每个内容对应的预测内容标签对所述内容分类模型中的参数进行调整，以获得训练后的内容分类模型；分类模块，用于基于所述训练后的内容分类模型对待分类内容进行内容分类。

在本申请的一些实施例中，所述训练模块，包括：第一编码单元，用于对所述内容集中每个内容分别进行特征编码处理，得到每个内容对应的第一语义特征；第二编码单元，用于对所述至少一组信息对中的预设内容标签及内容特征进行特征编码处理，以获得每个内容对应的第二语义特征；融合编码单元，用于将每个内容对应的所述第一语义特征及所述第二语义特征进行融合处理，得到每个内容对应的融合语义特征。

在本申请的一些实施例中，所述第一编码单元，包括：切词子单元，用于对所述内容集中每个内容分别进行切词处理，得到每个内容中的词；词向量构建子单元，用于构建每个内容中词的词向量，得到每个内容的词向量集；互融编码子单元，用于对每个内容的词向量集进行词向量互融编码处理，得到每个内容对应的第一语义特征。

在本申请的一些实施例中，所述内容分类模型中包括预训练模型，所述预训练模型中包括特征构建层以及互融编码层；所述词向量构建子单元，用于：在所述预训练模型中，将每个内容中的词输入所述特征构建层，以在所述特征构建层构建每个内容中的词的词向量，得到每个内容的词向量集；所述互融编码子单元，用于：将每个内容的词向量集分别输入所述互融编码层，以在所述互融编码层对每个内容的词向量集进行词向量互融编码处理，得到每个内容对应的第一语义特征。