申请/专利权人:江西高创保安服务技术有限公司
申请日:2020-11-05
公开(公告)日:2024-04-26
公开(公告)号:CN112307209B
主分类号:G06F16/35
分类号:G06F16/35;G06F18/214;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2021.02.23#实质审查的生效;2021.02.02#公开
摘要:本发明公开了一种基于字符向量的短文本分类方法及系统,该方法包括:获取待分类短文,利用待分类短文生成字符序列样本,将字符序列样本输入预设网络模型进行特征提取,生成字符向量;对待分类短文进行词语切分,生成词序列样本,并根据词序列样本,对字符向量进行字符组合,生成字符向量组合;将待分类短文对应的字符向量组合输入训练完成的分类预测模型,得到待分类短文的文本类型。本发明根据据词序列样本对字符向量进行字符组合,最后根据待分类短文的字符向量组合得到待分类短文的文本类型;利用字符向量对待分类短文进行分类,避免了传统分类方法中以词序列作为训练模型导致训练样本中的词种类有限的问题,保证分类过程的准确性与鲁棒性。
主权项:1.一种基于字符向量的短文本分类方法,其特征在于,包括:获取待分类短文,利用所述待分类短文生成字符序列样本,将所述字符序列样本输入预设网络模型进行特征提取,生成字符向量;对所述待分类短文进行词语切分,生成词序列样本,并根据所述词序列样本,对所述字符向量进行字符组合,生成字符向量组合;将所述待分类短文对应的字符向量组合输入训练完成的分类预测模型,得到所述待分类短文的文本类型;所述分类预测模型通过以下方式进行训练得到的:获取不同类别的样本数据集,根据预设样本数量对各所述样本数据集进行筛选,得到有效类别样本数据集,所述样本数据集带有类别标识信息,所述类别标识信息包括所述样本数据集中短文样本的目标文本类型;利用所述样本数据集生成字符序列训练样本,对所述字符序列训练样本进行填充,并将填充后的所述字符序列训练样本输入预设网络模型进行特征提取,生成预训练字符向量;对所述样本数据集中的短文样本进行词语切分,生成词序列训练样本,并对所述词序列训练样本进行填充,根据填充后的所述词序列训练样本,对所述预训练字符向量进行字符组合,生成字符向量训练组合;将不同类别的样本数据集对应的字符训练向量组合输入分类预测模型进行模型训练,得到训练完成的分类预测模型。
全文数据:
权利要求:
百度查询: 江西高创保安服务技术有限公司 一种基于字符向量的短文本分类方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。