[发明专利]一种用户数据的分类方法及系统

说明书

本发明提供一种用户数据的分类方法及系统，用户数据的分类方法包括：获取用户文本集以及关键词库；通过所述关键词库中的关键词确定一用户文本中的命中词汇，并获取命中词汇的编码；通过所述命中词汇的编码确定特征矩阵；将各个用户文本相对应的特征矩阵分别输入神经网络中进行训练，获取分类模型；将待处理的用户文本输入到所述分类模型中，获取分类标签。本方案通过预设关键词库的方式，确定关键词，进而确定一用户文本中的命中词汇，通过神经网络的训练和学习，建立用户文本、命中词汇和分类标签之间的对应关系，进而通过分类模型对待处理的用户文本进行分类，提高了分类的精确性和效率。

技术领域

本发明涉及自然语言处理技术领域，特别是涉及一种用户数据的分类方法及系统。

背景技术

随着社会和经济的不断发展，用户的需求朝向精细化和细分化的发展方向，而用户受限制于自身的知识结构和专业认识，往往不能对自身的需求做出明确的分类认识，进而造成用户实际需求和选择的支持服务不匹配的问题出现，目前，通过用户自述的方式进行人工分类，一方面，用户自述往往不够精确，另一方面，人工分类的方式效率较低。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种用户数据的分类方法及系统，用于解决现有技术中的用户数据分类不便的问题。

为实现上述目的及其他相关目的，本发明提供一种用户数据的分类方法，包括：

获取用户文本集以及关键词库，所述用户文本集包括多个用户文本，所述关键词库包括多个关键词；

通过所述关键词库中的关键词确定一用户文本中的命中词汇，并获取命中词汇的编码；

通过所述命中词汇的编码确定特征矩阵；

将各个用户文本相对应的特征矩阵分别输入神经网络中进行训练，获取分类模型；

将待处理的用户文本输入到所述分类模型中，获取分类标签。

可选的，通过所述命中词汇的编码确定特征矩阵的步骤包括：

所述特征矩阵的尺寸为m×n，所述命中词汇的编码的长度为n，所述命中词汇的数量为t，m、n和t均为正整数；

当t≥m时，随机选取m个命中词汇的编码载入到所述特征矩阵中；

当t＜m时，选取t个命中词汇的编码载入到所述特征矩阵的前t行中，所述特征矩阵的t+1行至m行进行常数填充。

可选的，还包括：

通过所述关键词库中的关键词和预设相似度确定所述用户文本中的多个相似词汇，通过多个所述相似词汇确定该用户文本的相似词汇集；

获取一分类标签对应的各个相似词汇集；

确定各个相似词汇集中的相似词汇的交集，并将所述交集对应的相似词汇转化为所述关键词，并在所述关键词库中进行更新。

可选的，包括：

通过更新后的关键词库中的关键词，确定更新后的用户文本中的命中词汇，并获取更新后的命中词汇的编码；

通过所述更新后的命中词汇的编码，确定更新后的特征矩阵；

将各个用户文本相对应的更新后的特征矩阵分别输入神经网络中进行训练，获取更新后的分类模型；

将待处理的用户文本输入到更新后的所述分类模型中，获取更新后的分类标签。

可选的，所述相似词汇的获取步骤包括：

所述预设相似度为编码相同的比例，通过将所述用户文本中的单词进行编码，确定大于或者等于所述预设相似度的用户文本中的单词的词组，并将所述用户文本中的单词的词组确定为相似词汇。