一种文本分类方法、装置及设备制造方法及图纸

本说明书实施例涉及人工智能数据处理技术领域，具有公开了一种文本分类方法、装置及设备，所述方法包括对目标问题文本信息进行特征提取，获得目标问题文本信息的第一特征表示；对目标问题文本信息所对应的指定答案文本信息中的各词汇进行词向量生成，获得指定答案文本信息中各词汇所对应的答案词向量；对任一个答案词向量，以所述第一特征表示作为约束信息，利用注意力模型对所述答案词向量进行加权处理，得到相应的答案词向量所对应的加权词向量；对指定答案文本信息所对应的各加权词向量进行编码处理，获得指定答案文本信息所对应的第二特征表示；利用第二特征表示确定所述答案文本信息的分类结果。从而可以进一步提高有效答案筛选的准确性。

【技术实现步骤摘要】
一种文本分类方法、装置及设备
本说明书涉及人工智能数据处理
，特别地，涉及一种文本分类方法、装置及设备。
技术介绍
在软件发布测评或者业务问答等应用场景中，平台可以预先配置系列问题，相应的，用户可以针对问题进行回答。或者，用户也可以在平台发起提问，其他用户或者平台业务人员可以对该问题进行回答。平台可以通过分析不同问题所对应的答案，来获得用户对某项业务或者软件应用的反馈信息。对于某一个问题，可能对应有多个答案，而有些答案可能存在答非所问或者参考意义不大的情况。平台通常需要先对问题所对应的答案进行审核，筛选出较为有效的答案，以更为准确快速的了解用户的反馈。目前，通常采用直接分析答案或者将答案和问题拼接在一起的方式，来确定各答案的有效性。但实际应用中，答案通常是与问题相对应的，仅对答案分析，较难评估各答案的有效性。而将答案和问题拼接在一起进行答案有效性分析，虽然可以将答案和问题进行关联，但鉴于参考答案库的有限性以及用户回答表述形式的复杂多变性，实际处理时较易将实际有效但表述形式与参考答案表述形式差异性较大的答案排除，从而影响有效答案确定本文档来自技高网...

【技术保护点】
1.一种文本分类方法，其特征在于，应用于服务器，所述方法包括：/n对目标问题文本信息进行特征提取，获得所述目标问题文本信息所对应的第一特征表示；/n对所述目标问题文本信息所对应的指定答案文本信息中的各词汇进行词向量生成，获得所述指定答案文本信息中各词汇所对应的答案词向量；/n对任一个答案词向量，以所述第一特征表示作为约束信息，利用注意力模型对所述答案词向量进行加权处理，得到相应的答案词向量所对应的加权词向量；/n对所述指定答案文本信息所对应的各加权词向量进行编码处理，获得所述指定答案文本信息所对应的第二特征表示；/n利用所述第二特征表示确定所述答案文本信息的分类结果。/n

【技术特征摘要】
1.一种文本分类方法，其特征在于，应用于服务器，所述方法包括：
对目标问题文本信息进行特征提取，获得所述目标问题文本信息所对应的第一特征表示；
对所述目标问题文本信息所对应的指定答案文本信息中的各词汇进行词向量生成，获得所述指定答案文本信息中各词汇所对应的答案词向量；
对任一个答案词向量，以所述第一特征表示作为约束信息，利用注意力模型对所述答案词向量进行加权处理，得到相应的答案词向量所对应的加权词向量；
对所述指定答案文本信息所对应的各加权词向量进行编码处理，获得所述指定答案文本信息所对应的第二特征表示；
利用所述第二特征表示确定所述答案文本信息的分类结果。


2.根据权利要求1所述的方法，其特征在于，所述对目标问题文本信息进行特征提取，包括：
对所述目标问题文本信息中各词汇进行词向量生成，获得所述目标问题文本信息中各词汇所对应的问题词向量；
对所述目标问题文本信息所对应的各问题词向量进行编码处理，获得所述目标问题文本信息所对应的第一特征表示。


3.根据权利要求1所述的方法，其特征在于，所述以所述第一特征表示作为约束信息，利用注意力模型对所述答案词向量进行加权处理，包括：
以所述第一特征表示作为注意力模型的约束信息，以所述答案词向量作为注意力模型的值，输入注意力模型，得到所述答案词向量相对所述第一特征表示的相关系数；
计算答案词向量与相应的答案词向量所对应的相关系数的乘积，获得相应的答案词向量所对应的加权词向量。


4.根据权利要求1所述的方法，其特征在于，所述利用所述第二特征表示确定所述指定答案文本信息的分类结果，包括：
将所述第二特征表示输入预先构建的分类模型中，获得所述指定答案文本信息的分类结果，所述分类模型采用分类算法构建。


5.根据权利要求1所述的方法，其特征在于，所述对所述指定答案文本信息所对应的各加权词向量进行编码处理，包括：
利用LSTM算法对对所述指定答案文本信息所对应的各加权词向量进行编码处理。


6.根据权利要求2所...

【专利技术属性】
技术研发人员：孔繁爽，李琦，梁莉娜，王小红，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11