[发明专利]一种文本分类方法及装置

权利要求书

1.一种文本分类方法，其特征在于，包括：

拆分待分类文本，得到至少两个子文本；

针对任意一个子文本，根据预先配置的格式与解析方式的对应关系，确定所述任意一个子文本的格式对应的解析方式，并基于确定的所述解析方式对所述任意一个子文本进行解析，确定所述任意一个子文本的类别；

基于所述至少两个子文本的类别，确定所述待分类文本的类别。

2.如权利要求1所述的方法，其特征在于，在根据预先配置的格式与解析方式的对应关系，确定所述任意一个子文本的格式对应的解析方式之前，所述方法还包括：

将所述任意一个子文本转化为子文本向量；

将所述子文本向量输入到预先训练好的循环神经网络中，获取所述子文本向量对应的每种格式的概率；

根据所述子文本向量对应的每种格式的概率确定所述任意一个子文本的格式。

3.如权利要求2所述的方法，其特征在于，根据所述子文本向量对应的每种格式的概率确定所述任意一个子文本的格式，包括：

将所述子文本向量对应的每种格式的概率中概率最大的格式作为所述任意一个子文本的格式；或者，

通过维特比算法，根据所述至少一个子文本中除所述任意一个子文本外其他子文本的格式和所述子文本向量对应的每种格式的概率，确定所述任意一个子文本的格式。

4.如权利要求2或3所述的方法，其特征在于，在将所述任意一个子文本转化为子文本向量之前，所述方法还包括：

根据预先存储的修正词汇集合，确定所述任意一个子文本中存在所述修正词汇集合中包括的待修正的词汇；所述修正词汇集合中包括所述待修正词汇和与所述待修正词汇对应的修正后词汇；

根据所述修正词汇集合将所述任意一个子文本中存在的待修正词汇进行修正。

5.如权利要求1-3任一项所述的方法，其特征在于，所述拆分待分类文本，包括：

将所述待分类文本逐行进行拆分。

6.一种文本分类装置，其特征在于，包括：

拆分单元，用于拆分待分类文本，得到至少两个子文本；

解析单元，用于针对任意一个子文本，根据预先配置的格式与解析方式的对应关系，确定所述任意一个子文本的格式对应的解析方式，并基于确定的所述解析方式对所述任意一个子文本进行解析，确定所述任意一个子文本的类别；

所述解析单元，还用于基于所述至少两个子文本的类别，确定所述待分类文本的类别。

7.如权利要求6所述的装置，其特征在于，所述解析单元，还用于：

将所述任意一个子文本转化为子文本向量；

将所述子文本向量输入到预先训练好的循环神经网络中，获取所述子文本向量对应的每种格式的概率；

根据所述子文本向量对应的每种格式的概率确定所述任意一个子文本的格式。

8.如权利要求7所述的装置，其特征在于，所述解析单元，具体用于：

将所述子文本向量对应的每种格式的概率中概率最大的格式作为所述任意一个子文本的格式；或者，

通过维特比算法，根据所述至少一个子文本中除所述任意一个子文本外其他子文本的格式和所述子文本向量对应的每种格式的概率，确定所述任意一个子文本的格式。

9.如权利要求7或8所述的装置，其特征在于，所述解析单元，在将所述任意一个子文本转化为子文本向量之前，还用于：

根据预先存储的修正词汇集合，确定所述任意一个子文本中存在所述修正词汇集合中包括的待修正的词汇；所述修正词汇集合中包括所述待修正词汇和与所述待修正词汇对应的修正后词汇；

根据所述修正词汇集合将所述任意一个子文本中存在的待修正词汇进行修正。

10.如权利要求6-8任一项所述的装置，其特征在于，所述拆分单元，具体用于：

将所述待分类文本逐行进行拆分。