The invention relates to an object classification method, device and computer equipment based on textual features, belonging to the network technical field. The method includes: obtaining the first text feature information corresponding to the object to be classified; converting the first text feature information into the corresponding first text feature vector by the pre established word vector model; input the first text feature vector into the trained classification model type, according to the trained classification. The result of the model output determines the assessment category of the categorization object to be classified. The above technical scheme solves the problem of inaccurate classification model for text object analysis, and can accurately classify text objects.
【技术实现步骤摘要】
基于文本特征的对象分类方法、装置和计算机设备
本专利技术涉及网络
,特别是涉及基于文本特征的对象分类方法、装置、计算机设备和存储介质。
技术介绍
分类是一种重要的数据挖掘技术。分类的目的是根据数据集的特点把未知类别的样本映射到给定类别中的某一个。现有的对文本进行分类的方法主要有人工分类法和模型文本法,人工分类法利用人的自有知识对信息进行分类,而模型分类法通过相似度模型、概率模型、线性模型、非线性模型以及组合模型等模型对信息分类。在实现本专利技术过程中,专利技术人发现现有技术中至少存在如下问题:人工文本分类尽管利用人工分类,基于已有知识、常识分类,能够保证准确性,但对于微信公众号等类别众多的文本,分类效率低下,后期分类容易产生偏差以及误判;而对于模型分类法,模型各有利弊,针对不同领域有不同效果。因此,有必要找到一种合适的能对文本对象进行准确归类的方法。
技术实现思路
基于此,本专利技术提供了基于文本特征的对象分类方法、装置、计算机设备和存储介质,能对文本对象进行准确归类。本专利技术实施例的内容如下:一种基于文本特征的对象分类方法,包括以下步骤:获取待分类对象对应的第一文本特征信息;通过预先建立的词向量模型将所述第一文本特征信息转换为对应的第一文本特征向量;将所述第一文本特征向量输入经过训练的分类模型中,根据所述经过训练的分类模型输出的结果确定所述待分类对象的评估类别。在其中一个实施例中,所述将所述第一文本特征向量输入经过训练的分类模型中的步骤之前,还包括:获取多个参考对象对应的第二文本特征向量;分别对所述参考对象的实际类别进行标注;通过各个参考对象对应的第 ...
【技术保护点】
1.一种基于文本特征的对象分类方法,其特征在于,包括以下步骤:获取待分类对象对应的第一文本特征信息;通过预先建立的词向量模型将所述第一文本特征信息转换为对应的第一文本特征向量;将所述第一文本特征向量输入经过训练的分类模型中,根据所述经过训练的分类模型输出的结果确定所述待分类对象的评估类别。
【技术特征摘要】
1.一种基于文本特征的对象分类方法,其特征在于,包括以下步骤:获取待分类对象对应的第一文本特征信息;通过预先建立的词向量模型将所述第一文本特征信息转换为对应的第一文本特征向量;将所述第一文本特征向量输入经过训练的分类模型中,根据所述经过训练的分类模型输出的结果确定所述待分类对象的评估类别。2.根据权利要求1所述的基于文本特征的对象分类方法,其特征在于,所述将所述第一文本特征向量输入经过训练的分类模型中的步骤之前,还包括:获取多个参考对象对应的第二文本特征向量;分别对所述参考对象的实际类别进行标注;通过各个参考对象对应的第二文本特征向量以及实际类别训练预先建立的分类模型,得到经过训练的分类模型。3.根据权利要求2所述的基于文本特征的对象分类方法,其特征在于,所述分类模型包括至少一个二分类子模型,每个二分类子模型分别对应一个评估类别;所述通过各个参考对象对应的第二文本特征向量以及实际类别训练预先建立的分类模型的步骤,包括:将某一所述第二文本特征向量分别输入各个二分类子模型中,分别得到所述第二文本特征向量与对应的评估类别的匹配度;根据所述匹配度确定参考对象的评估类别;将参考对象的评估类别与对应的实际类别进行比对,根据比对结果调整所述分类模型。4.根据权利要求3所述的基于文本特征的对象分类方法,其特征在于,所述根据所述匹配度确定参考对象的评估类别的步骤,包括:确定所述匹配度中的最高匹配度值,获取与所述最高匹配度值对应的评估类别,作为对应的待分类对象的评估类别。5.根据权利要求1至4任一所述的基于文本特征的对象分类方法,其特征在于,所述通过预先建立的词向量模型将所述第一文本特征信息转换为对应的第一文本特征向量的步骤之前,还包...
【专利技术属性】
技术研发人员:王秋文,李百川,陈第,
申请(专利权)人:有米科技股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。