(19)中华人民共和国国家知识产权局
(12)发明专利说明书
正则匹配法律条文
(10)申请公布号 CN 108563722 A
(43)申请公布日 2018.09.21
(21)申请号 CN201810290042.1
(22)申请日 2018.04.03
(71)申请人 有米科技股份有限公司
    地址 511400 广东省广州市番禺区小谷围街外环东路232号13栋B232
(72)发明人 翁永金 李百川 冯珏曦 李锦胜 陈第 蔡锐涛
(74)专利代理机构 广州华进联合专利商标代理有限公司
    代理人 余永文
(51)Int.CI
     
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      文本信息的行业分类方法、系统、计算机设备和存储介质
(57)摘要
      本申请涉及一种文本信息的行业分类方法、系统、计算机设备和存储介质。所述方法包括：获取待分类文本信息的特征词，根据特征词以及预先建立的行业特征词库，得到待分类文本信息对应的初始行业标签，根据特征词以及预先建立的词向量模型，得到待分类文本信息的特征向量，根据特征向量以及预先设置的分类模型，分别得到待分类文本信息对应于初始行业标签中各行业标签的行业标签概率，根据行业标签概率，从初始行业标签中确定出待分类文本信息对应的行业分类。采用本方法能够使文本信息的行业分类更加准确。
法律状态
法律状态公告日
法律状态信息
法律状态
2018-10-23
实质审查的生效
实质审查的生效
2018-09-21
公开
公开
权 利 要 求 说 明 书
1.一种文本信息的行业分类方法,其特征在于,所述方法包括:
获取待分类文本信息的特征词,根据所述特征词以及预先建立的行业特征词库,得到所述待分类文本信息对应的初始行业标签;
根据所述特征词以及预先建立的词向量模型,得到所述待分类文本信息的特征向量;
根据所述特征向量以及预先设置的分类模型,分别得到所述待分类文本信息对应于所述初始行业标签中各行业标签的行业标签概率;
根据所述行业标签概率,从初始行业标签中确定出所述待分类文本信息对应的行业分类。
2.根据权利要求1所述的文本信息的行业分类方法,其特征在于,还包括:
获取已知行业标签的已知文本信息;
对同一行业标签对应的已知文本信息进行分词处理,得到同一行业标签对应的候选特征词汇集合;
将所述候选特征词汇集合中每个词汇作为TextRank模型中的一个节点,得到每个词汇的TextRank值;
根据词汇的TextRank值,建立行业特征词库。
3.根据权利要求2所述的文本信息的行业分类方法,其特征在于,在从初始行业标签中确定出所述待分类文本信息对应的行业分类之后,还包括:
验证所述待分类文本信息是否与其行业分类对应;
若否,则根据所述待分类文本信息及其对应的实际行业分类,更新所述行业特征词库。
4.根据权利要求2或3所述的文本信息的行业分类方法,其特征在于,所述分类模型包括:根据已知行业分类的已知文本信息训练得到的逻辑回归模型;
所述根据所述特征向量以及预先设置的分类模型,分别得到所述待分类文本信息对应于所述初始行业标签中每个行业标签的行业标签概率的步骤,包括:
将所述特征向量输入所述逻辑回归模型中,分别得到所述待分类文本信息对应于所述初始行业标签中每个行业标签的行业标签概率。
5.根据权利要求2或3所述的文本信息的行业分类方法,其特征在于,还包括:
若所述初始行业标签中行业标签唯一,则确定唯一的所述行业标签为所述待分类文本信息对应的行业分类。
6.根据权利要求5所述的文本信息的行业分类方法,其特征在于,从初始行业标签中确定出所述待分类文本信息对应的行业分类之后,还包括:
将所述待分类文本信息及其对应的行业分类存入预先设置的文本库,其中,所述文本库用于存储所述已知文本
信息。
7.根据权利要求1至3任一项所述的文本信息的行业分类方法,其特征在于,所述根据所述行业标签概率,从初始行业标签中确定出所述待分类文本信息对应的行业分类的步骤,包括:
确定所述行业标签概率最大的行业标签,由此得到所述待分类文本信息的行业分类。
8.根据权利要求1至3任一项所述的文本信息的行业分类方法,其特征在于,所述根据所述特征词以及预先建立的行业特征词库,得到文本信息对应的初始行业标签的步骤,包括:
根据预先建立的行业特征词汇库,对所述特征词与行业特征词汇库进行全匹配和/或正则匹配;得到行业特征词汇库中各行业标签与所述待分类文本信息的特征词的匹配频次;
取匹配频次最高的多个行业标签作为所述待分类文本信息的初始行业标签。
9.根据权利要求8所述的文本信息的行业分类方法,其特征在于,根据所述特征词以及预先建立的词向量模型,得到所述待分类文本信息的特征向量的步骤,包括:
根据预设语料库训练预设维度的词向量模型,将所述待分类文本信息的特征词依次输入所述词向量模型,得到
每个所述特征词对应的词向量;
根据每个所述特征词对应的词向量,得到所述待分类文本信息的特征向量。
10.一种文本信息的行业分类系统,其特征在于,所述系统包括:
初始标签获取模块,用于获取待分类文本信息的特征词,根据所述特征词以及预先建立的行业特征词库,得到所述待分类文本信息对应的初始行业标签;
特征向量获取模块,用于根据所述特征词以及预先建立的词向量模型,得到所述待分类文本信息的特征向量;
概率获取模块,用于所述特征向量以及根据预先设置的分类模型,分别得到所述待分类文本信息对应于所述初始行业标签中各行业标签的行业标签概率;
分类模块,用于根据所述行业标签概率,从初始行业标签中确定出所述待分类文本信息对应的行业分类。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述待分类文本信息的行业分类方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的文本信息的行业分类方法的步骤。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。