[发明专利]基于目标语义的文本分类方法、装置、设备及存储介质

说明书

本申请适用于人工智能技术领域，公开了一种基于目标语义的文本分类方法、装置、设备及存储介质，所述方法包括通过BERT预训练模型获取文本语料库中目标词及预设种子词的特征向量，结合分类标签集合，利用K均值聚类算法确定目标词的目标语义；基于目标词的目标语义与预设种子词构建第一训练样本，训练得到第一文本分类模型；使用第一文本分类模型为文本添加分类标签；根据排序系数公式，得到扩展种子词；基于已添加分类标签的文本、预设种子词及扩展种子词构建第二训练样本，训练得到第二文本分类模型，使用第二分类模型对待分类文本进行分类，实现了对特定上下文语境下目标词语义的确定，扩展了用于文本分类的种子词，提高了文本分类的准确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于目标语义的文本分类方法、文本分类装置、计算机设备及存储介质。

背景技术

文本分类是自然语言处理(Natural Language Processing,NLP)领域中最基本的任务，文本分类的准确率是文本分类方法重要的评判标准之一，而提升文本分类的准确率可以通过分字符、数据清洗、特征提取、模型建立以及训练语料等步骤实现。现有的文本分类模型及分类方法大多基于待分类文本中的类别关键词进行文本分类。

但在文本分类的过程中，一个词语常常有多个含义，每个含义可能都会决定文本所划分的不同类别，例如“苹果”一词，既可能指的是一种水果名称，也可能指的是一个电子产品品牌，现有的文本分类模型无法对文本中可能出现歧义的类别关键词的词义进行准确区分，在根据类别关键词进行文本分类时，导致了文本分类出现错误，因此，现有的文本分类方法中，由于一词多义所产生的歧义问题严重地影响了文本分类的准确率。

发明内容

本申请实施例提供一种基于目标语义的文本分类方法、装置、设备及存储介质，以解决现有文本分类方法无法准确区别分类关键词的词义，进而基于分类关键词进行文本分类时，所导致的文本分类准确率低的问题。

本申请的第一方面提供一种基于目标语义的文本分类方法，包括：

利用BERT预训练模型获取文本语料库中每个目标词的第一特征向量，以及每个预设种子词的第二特征向量；

基于所述目标词的第一特征向量、所述预设种子词的第二特征向量及所述文本语料库的分类标签集合，按照K均值聚类算法对所述目标词进行聚类分析，确定每个所述目标词的目标语义；

利用基于所述文本语料库中已确定目标词目标语义的文本与所述预设种子词构建得到的第一训练样本，对HAN模型进行训练，将训练后的HAN模型作为第一文本分类模型；

使用所述第一文本分类模型对所述文本语料库中的文本进行分类，并对所述文本添加分类标签；

根据预设的排序系数公式，确定所述目标词的分类语义，将确定了分类语义的所述目标词作为扩展种子词；

利用基于已添加分类标签的文本、所述预设种子词及所述扩展种子词构建得到的第二训练样本，训练HAN模型，将训练后的HAN模型作为第二文本分类模型；

使用所述第二文本分类模型根据待分类文本中所述预设种子词及所述扩展种子词出现的频次，对所述待分类文本进行分类，为所述待分类文本添加分类标签。

本申请的第二方面提供一种文本分类装置，包括：

特征提取模块，用于利用BERT预训练模型获取文本语料库中每个目标词的第一特征向量，以及每个预设种子词的第二特征向量；所述目标词为所述文本语料库中的任一词；所述预设种子词为预先从所述文本语料库中选取，且用于对所述文本语料库中各文本进行分类的词；所述第一特征向量用于表征所述目标词的上下文特征；所述第二特征向量用于表征所述预设种子词的上下文特征；