[发明专利]文本分类方法、装置、存储介质和电子设备

说明书

本公开涉及计算机技术领域，涉及了一种文本分类方法及装置、存储介质和电子设备。文本分类方法包括：根据待分类文本和文本知识库形成第一样本集，分类知识库包括具有目标数量类别的文本；根据目标数量和对应的类别确定聚类中心，并基于聚类中心对第一样本集进行聚类处理，得到待分类样本所属的粗分类；将待分类文本和文本知识库中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，基于每个分类参数分别采用预选的分类模型对第二样本集进行分类，根据得到的多个分类结果确定待分类样本所属的目标子类别。本公开能根据现有文本知识库中的文本类别和数量实现对分类参数的调整，通过缩减分类范围降低分类计算资源消耗，分类效率高。

技术领域

本公开涉及计算机技术领域，更具体地，涉及一种文本分类方法、文本分类装置、计算机存储介质和电子设备。

背景技术

文本分类是指按照预先定义的主题类别，根据文本内容将不同的文本划分至与其相关类别的过程，将不同的待分类文本进行归类不仅可以方便浏览，也可以通过类别快速查询所需的文本，进而提高文本处理效率。

随着计算机技术领域的发展，文本分类已由过去完全依靠专业人员手工分类转为由机器实现的自动文本分类，然而在实际生产应用中很多文本信息标注工作往往仍依靠人工手动处理，其量级可能随业务增加动辄需要达到百、万、百万级别。一些应用场景下自动分类对计算资源消耗大，文本分类结果也受限于分类样本，分类准确性不高。

需要说明的是，在上述背景技术部分发明的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种文本分类方法及装置、计算机存储介质和电子设备，进而至少在一定程度上提高文本分类的准确性，降低分类计算的资源消耗。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种文本分类方法，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。

在本公开的一种示例性实施例中，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。

在本公开的一种示例性实施例中，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。