[发明专利]文本分类方法、装置、存储介质和电子设备

权利要求书

1.一种文本分类方法，其特征在于，包括：

根据待分类文本和文本知识库形成第一样本集，所述分类知识库包括具有目标数量类别的文本；

根据所述目标数量和对应的类别确定聚类中心，并基于所述聚类中心对所述第一样本集进行聚类处理，得到所述待分类样本所属的粗分类，所述粗分类包括多个子分类；

将所述待分类文本和所述文本知识库中所述粗分类中的文本进行融合处理，形成第二样本集；

获取多个分类参数，基于每个所述分类参数分别采用预选的分类模型对所述第二样本集进行分类，根据得到的多个分类结果确定所述待分类样本所属的目标子类别。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标数量和对应的类别确定聚类中心，并基于所述聚类中心对所述第一样本集进行聚类处理，得到所述待分类样本所属的粗分类，包括：

确定所述聚类中心的数量为所述目标数量；

在所述第一样本集中随机选择具有所述目标数量的样本作为第一聚类中心，基于所述第一聚类中心对所述第一样本集进行聚类处理，得到所述待分类样本所属的粗分类。

3.根据权利要求2所述的方法，其特征在于，所述在所述第一样本集中随机选择具有所述目标数量的样本作为第一聚类中心，基于所述第一聚类中心对所述第一样本集进行聚类处理，得到所述待分类样本所属的粗分类，包括：

在所述第一样本集所包含文本知识库中的各类别文本中，分别随机选择一个样本作为所述第一聚类中心；

基于所述第一聚类中心，采用K均值聚类算法对所述第一样本集进行聚类处理，得到所述待分类样本所属的粗分类。

4.根据权利要求2所述的方法，其特征在于，所述基于所述第一聚类中心对所述第一样本集进行聚类处理，得到所述待分类样本所属的粗分类，包括：

获取所述第一样本集中的样本与每个所述第一聚类中心的距离，并根据所述距离将所述第一样本集中的样本分配至各所述第一聚类中心对应的类别，得到多个类别对应的候选样本集；

获取每个所述候选样本集中样本的数量；

若存在目标候选样本集中样本的数量小于第一预设数量阈值，则丢弃所述目标候选样本集对应的类别，并将所述目标候选样本集中的样本分配至其他候选样本集中；

重新确定每个所述其他候选样本集对应的第二聚类中心，基于所述第二聚类中心，采用K均值聚类算法对所述第一样本集进行聚类处理，得到多个类别对应的目标样本集，所述目标样本集的数量少于所述候选样本集的数量；

将所述待分类样本所属的目标样本集的类别，作为所述待分类样本所属的粗分类。

5.根据权利要求1所述的方法，其特征在于，所述获取多个分类参数，基于每个所述分类参数分别采用预选的分类模型对所述第二样本集进行分类，根据得到的多个分类结果确定所述待分类样本所属的目标子类别，包括：

基于每个所述分类参数采用最邻近节点算法对所述第二样本集进行分类，得到多个分类结果；

若存在超过预设数量的分类结果相同，则将相同的分类结果中所述待分类样本所属的类别，确定为所述目标子类别。

6.根据权利要求5所述的方法，其特征在于，在所述基于每个所述分类参数采用最邻近节点算法对所述第二样本集进行分类，得到多个分类结果之前，还包括：

将所述第二样本集中除所述待分类文本之外的文本划分为第一测试集和第二测试集；

采用最邻近节点算法，利用所述第一测试集对所述第二测试集中的每个样本进行分类；

将所述第二测试集中分类错误的样本从所述第二样本集中删除。

7.根据权利要求5所述的方法，其特征在于，在所述基于每个所述分类参数采用最邻近节点算法对所述第二样本集进行分类，得到多个分类结果之前，还包括：

若存在粗分类对应子分类中样本数量大于第二预设数量阈值的，则对所述粗分类对应子分类中的样本进行欠抽样，以均衡所述粗分类中各个子分类的样本数量。