文本分类方法、装置、存储介质和计算机设备制造方法及图纸

本发明专利技术涉及一种文本分类方法、装置、存储介质和计算机设备，该方法包括：将待分类文本进行分词，得到词集合；向量化所述词集合中的各词，得到各所述词各自对应的词向量；根据对各词向量进行线性变化得到的第一特征向量，得到第一概率分布向量；所述第一概率分布向量表示待分类文本属于各分类类别的第一概率分布；根据对各词向量进行非线性变化得到的第二特征向量，得到第二概率分布向量；所述第二概率分布向量表示待分类文本属于各分类类别的第二概率分布；通过所述第一概率分布向量与所述第二概率分布向量，确定所述分类文本所属的分类类别。本申请提供的方案提高了文本分类效率。

Text classification methods, devices, storage media and computer equipment

【技术实现步骤摘要】
文本分类方法、装置、存储介质和计算机设备
本专利技术涉及计算机
，特别是涉及一种文本分类方法、装置、存储介质和计算机设备。
技术介绍
随着计算机技术的不断发展，用户所面对的信息量与日剧增，由于互联网平台上主要通过文本来传递信息。目前，通常是将文本进行分类后再推送给用户，以使得用户可以在众多的文本中快速、高效地找出自己所需要的文本。传统技术中，通常是通过编辑人员阅读文本进行分类，这种分方式分类精确，但效率太低，尤其是在信息量与日剧增的当下，每天都会有大量文本涌现，人工分类方式已无法满足文本分类的要求。
技术实现思路
基于此，有必要针对目前文本分类效率比较低的问题，提供一种资源分享方法、装置、存储介质和计算机设备。一种文本分类方法，包括：将待分类文本进行分词，得到词集合；向量化所述词集合中的各词，得到各所述词各自对应的词向量；根据对各词向量进行线性变化得到的第一特征向量，得到第一概率分布向量；所述第一概率分布向量表示待分类文本属于各分类类别的第一概率分布；根据对各词向量进行非线性变化得到的第二特征向量，得到第二概率分布向量；所述第二概率分布向量表示待分类文本属于各分类类别的第二概率分布本文档来自技高网...

【技术保护点】
1.一种文本分类方法，包括：将待分类文本进行分词，得到词集合；向量化所述词集合中的各词，得到各所述词各自对应的词向量；根据对各词向量进行线性变化得到的第一特征向量，得到第一概率分布向量；所述第一概率分布向量表示待分类文本属于各分类类别的第一概率分布；根据对各词向量进行非线性变化得到的第二特征向量，得到第二概率分布向量；所述第二概率分布向量表示待分类文本属于各分类类别的第二概率分布；通过所述第一概率分布向量与所述第二概率分布向量，确定所述分类文本所属的分类类别。

【技术特征摘要】
1.一种文本分类方法，包括：将待分类文本进行分词，得到词集合；向量化所述词集合中的各词，得到各所述词各自对应的词向量；根据对各词向量进行线性变化得到的第一特征向量，得到第一概率分布向量；所述第一概率分布向量表示待分类文本属于各分类类别的第一概率分布；根据对各词向量进行非线性变化得到的第二特征向量，得到第二概率分布向量；所述第二概率分布向量表示待分类文本属于各分类类别的第二概率分布；通过所述第一概率分布向量与所述第二概率分布向量，确定所述分类文本所属的分类类别。2.根据权利要求1所述的方法，其特征在于，所述向量化所述词集合中的各词，得到各所述词各自对应的词向量，包括：确定所述词集合中各词相应的文本特征和词性特征；根据所述文本特征和所述词性特征向量化相应词，得到各所述词各自对应的词向量。3.根据权利要求1所述的方法，其特征在于，所述根据对各词向量进行线性变化得到的第一特征向量，得到第一概率分布向量，包括：将各所述词向量输入第一文本分类模型，在所述第一文本分类模型的隐层中，对各所述词向量进行线性变化得到第一特征向量；通过所述第一文本分类模型的分类层对所述第一特征向量进行分类，输出与所述待分类文本所对应的第一概率分布向量。4.根据权利要求3所述的方法，其特征在于，所述第一文本分类模型为快速文本分类模型；所述将各所述词向量输入第一文本分类模型，在所述第一文本分类模型的隐层中，对各所述词向量进行线性变化得到第一特征向量，包括：将各所述词向量输入快速文本分类模型，在所述快速文本分类模型的隐层中，对各所述词向量进行加权平均运算，得到第一特征向量。5.根据权利要求1所述的方法，其特征在于，所述根据对各词向量进行非线性变化得到的第二特征向量，得到第二概率分布向量，包括：将各所述词向量输入第二文本分类模型，在所述第二文本分类模型的隐层中，对各所述词向量进行非线性变化得到第二特征向量；通过所述第二文本分类模型的分类层对所述第二特征向量进行分类，输出与所述待分类文本所对应的第二概率分布向量。6.根据权利要求5所述的方法，其特征在于，所述第二文本分类模型为神经网络模型；所述将各所述词向量输入第二文本分类模型，在所述第二文本分类模型的隐层中，对各所述词向量进行非线性变化得到第二特征向量，包括：将各所述词向量输入神经网络模型，通过所述神经网络模型中卷积层的多个卷积核对各所述词向量进行卷积运算，得到每个卷积核输出的中间特征向量；通过所述神经网络模型的池化层对各所述中间特征向量进行池化运算，得到每个中间特征向量所对应的特征标量，并将包括各所述特征标量的第二特征向量传输至所述神经网络模型的分类层。7.根据权利要求1-6中任一项所述的方法，其特征在于，所述待分类文本包括文本正文和文本标题；所述方法还包括：获取各分类类别相应的关键词集合；计算每个所述关键词集合中的关键词与文本标题所包括的词的相关度，得到相应分类类别所对应的相关度；将每个分类类别所对应的相关度中的最大相关度，作为所述文本标...

【专利技术属性】
技术研发人员：王振飞，范欣，赵铭，徐聪，张伟，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44