CN111625649A - 文本处理方法、装置、电子设备及介质 - Google Patents

Abstract

本公开实施例提供了一种文本处理方法、装置、电子设备及介质。该方法包括：获取至少一个待分类的文本信息；利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的；基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息。本公开实施例实现了减少人力与时间的消耗，增加获取效率，且提高了分类得到目标类型的文本信息的准确度。

Description

文本处理方法、装置、电子设备及介质

技术领域

本公开涉及文本处理技术领域，具体而言，本公开涉及一种文本处理方法、装置、电子设备及介质。

背景技术

随着计算机技术与人工智能技术的不断发展，语言处理也变得越来越重要，语言处理有助于计算机理解文本信息的意义，并使计算机通过文本信息来表达给定的意图、思想等，是一种非常重要的技术。其中，不同类型的语言处理需要通过该类型对应的文本信息来进行处理。

通常情况下，可以利用神经网络模型对某一类型的语言进行处理，而利用神经网络模型对某一类型的语言进行处理时，需要大量该类型的文本信息以训练神经网络模型，因此，获取目标类型的文本信息成为一个关键性问题。现在技术，存在某一类型的文本信息数量较少的情况，针对某一类型的文本信息数量较少的情况，若人工获取该类型的文本信息，不仅耗费人力与时间，且获取效率低下；若利用分类模型分类得到目标类型的文本信息，需要对初始模型进行训练以得到分类模型，由于目标类型的文本信息数量较少，使得对初始模型进行训练的效果较差，导致训练得到的分类模型的分类效果较差，进而导致分类得到的目标类型的文本信息准确度不高。

发明内容

本公开提供了一种文本处理方法、装置、电子设备及介质，可以解决以上至少一种技术问题。

第一方面，提供了一种文本处理方法，该方法包括：

获取至少一个待分类的文本信息；

利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的；

基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息。

第二方面，提供了一种文本处理装置，该装置包括：

第一获取模块，用于获取至少一个待分类的文本信息；

分类模块，用于利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的；

确定模块，用于基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息。

第三方面，提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据第一方面所示的文本处理方法对应的操作。

第四方面，提供了一种计算机可读介质其上存储有计算机程序，该程序被处理器执行时实现第一方面所示的文本处理方法。

本公开提供的技术方案带来的有益效果是：

本公开提供了一种文本处理方法、装置、电子设备及介质，与现有技术相比，本公开通过获取至少一个待分类的文本信息，利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的，基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息，实现了基于语言表征模型的隐藏层组成预设分类模型，且隐藏层是经过通用文本信息训练得到的，可以提取文本的通用特征，进而可以利用少量属于目标类型的文本信息作为训练样本对预设分类模型进行训练，使得训练好的预设分类模型可以准确提取目标类型的文本信息，从而可以较为准确确定出属于目标类型的文本信息，进而可以利用训练好的预设分类模型获取目标类型的文本信息，减少人力与时间的消耗，增加获取效率。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本公开实施例提供的一种文本处理方法的流程示意图；

图2为本公开实施例提供的一种文本处理装置的结构示意图；

图3为本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对装置、模块或单元进行区分，并非用于限定这些装置、模块或单元一定为不同的装置、模块或单元，也并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。

本公开实施例提供了一种文本处理方法，可以由终端设备执行，也可以由服务器执行，如图1所示，该方法包括：

步骤S101，获取至少一个待分类的文本信息。

对于本公开实施例，待分类的文本信息可以为用户输入的文本信息，也可以为从本地获取文本信息，还可以为从网络上爬取的文本信息，在本公开实施例中不做限定。

步骤S102，利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果。

其中，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的。

其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的。

对于本公开实施例，预设分类模型包括从语言表征模型的隐藏层中提取到的至少一层。具体地，在本公开实施例中，预设分类模型包含语言表征模型中隐藏层的各层；其中，语言表征模型的隐藏层包括至少一层，可以从语言表征模型的隐藏层中提取至少一层，例如，语言表征模型的隐藏层包括12层，可以从语言表征模型的隐藏层中提取12层或者10层。

对于本公开实施例，语言表征模型可以为Transformer的双向编码器(Bidirectional Encoder Representations from Transformers，BERT)模型。在本公开实施例中，利用通用文本信息，采用遮蔽语言模型(Masked Language Model，MLM)方式对初始模型进行训练，得到语言表征模型。具体地，随机遮掩通用文本信息中的至少一个词，将遮掩至少一个词后的通用文本信息输入至初始模型，初始模型利用剩余所有未被遮掩词预测各个被遮掩词，得到各个被遮掩词对应的预测结果，基于各个被遮掩词对应的预测结果和未被遮掩任何词的通用文本信息优化初始模型的参数，以得到语言表征模型。其中，由于通用文本信息本身为未被遮掩任何词的文本信息，包含随机被遮掩的词和所有未被遮掩的词，因此，通用文本信息本身可以作为标注信息。

其中，通用文本指不对文本所对应的场景进行区别的文本信息。

对于本公开实施例，BERT模型是一种泛化能力较强的语言表征模型，包括隐藏层以及softmax层，其中，BERT模型的隐藏层包括至少一层，例如，BERT模型的隐藏层可以为12层。在本公开实施例中，随机遮掩至少一个词后的通用文本信息通过隐藏层进行特征提取，得到通用文本对应的高层特征，通用文本对应的高层特征经过softmax层进行矩阵运算和归一化处理，得到各个被遮掩词分别对应的预测结果，其中，任一被遮掩词对应的预测结果包括多个词以及各个词分别对应的概率信息，进一步地，概率信息大于预设概率阈值的词确定为该任一被遮掩词。例如，针对被遮掩的文本信息“过来吃【MASK】”，其中，【MASK】表示被遮掩词，将“过来吃【MASK】”输入至BERT模型进行特征提取、矩阵运算以及归一化处理后，得到该遮掩词【MASK】对应的预测结果，其包括“水”及其对应的概率信息0.1和“饭”及其对应的概率信息0.9，将概率信息大于预设概率阈值0.7的“饭”确定为被遮掩词，即未被遮掩的文本信息为“过来吃饭”。

对于本公开实施例，可以基于BERT模型的隐藏层中的至少一层，确定预设分类模型，由于BERT模型是利用通用文本训练得到的，且通用文本不限定于场景，使得BERT模型的隐藏层可以提取文本的通用特征，因此，包含BERT模型的隐藏层中的至少一层的预设分类模型可以使用少量属于目标类型的文本信息作为训练样本进行训练，使得训练后的预设分类模型在可以提取文本的通用特征的基础上，可以提取文本的目标类型特征，从而使训练后的预设分类模型具有较优的分类效果。

对于本公开实施例，语言表征模型并不限定于BERT模型，其训练方式也不限定于上述所示的训练方式，在本公开实施例中不做限定。

进一步地，基于提取到的语言表征模型的隐藏层中的至少一层，确定预设分类模型，并利用属于目标类型的文本信息作为训练样本训练预设分类模型，其中，训练样本包括多个属于目标类型的文本信息及各个属于目标类型的文本信息对应的标注信息，例如，训练样本包括多个属于直播类型的文本信息以及每个属于直播类型的文本信息对应的标注信息“1”。

对于本公开实施例，可以利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果。其中，任一个待分类的文本信息对应的分类结果可以为任一个待分类的文本信息属于目标类型的文本信息的概率信息，例如，待分类的文本信息“感谢水友们的支持”对应的分类结果为0.9，即“感谢水友们的支持”属于直播类型的文本信息的概率为0.9；任一个待分类的文本信息对应的分类结果也可以为任一个待分类的文本信息是否为目标类型的文本信息的标识信息，例如，若标识信息“1”表征目标类型的文本信息，标识信息“0”表征非目标类型的文本信息，则当待分类的文本信息“感谢水友们的支持”对应的分类结果为标识信息“1”时，表明“感谢水友们的支持”为目标类型的文本信息。

步骤S103，基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息。

对于本公开实施例，可以确定分类结果大于预设分类阈值的待分类的文本信息，将确定出的待分类的文本信息确定为属于目标类型的文本信息。例如，预设分类阈值为0.7，确定分类结果大于0.7的待分类的文本信息包括“感谢水友们的支持”，将“感谢水友们的支持”确定为属于直播领域的文本信息；还可以确定分类结果为目标类型的文本信息的标识信息所对应的待分类的文本信息，将确定出的待分类的文本信息确定为属于目标类型的文本信息，例如，确定分类结果为标识信息“1”所对应的待分类的文本信息包括“感谢水友们的支持”，将“感谢水友们的支持”确定为属于直播领域的文本信息。

本公开实施例提供了一种文本处理方法，与现有技术相比，本公开实施例通过获取至少一个待分类的文本信息，利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的，基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息，实现了基于语言表征模型的隐藏层组成预设分类模型，且隐藏层是经过通用文本信息训练得到的，可以提取文本的通用特征，进而可以利用少量属于目标类型的文本信息作为训练样本对预设分类模型进行训练，使得训练好的预设分类模型可以准确提取目标类型的文本信息，从而可以较为准确确定出属于目标类型的文本信息，进而可以利用训练好的预设分类模型获取目标类型的文本信息，减少人力与时间的消耗，增加获取效率。

本公开实施例的步骤S102还涉及预设分类模型，本公开实施例提供了一种较优的预设分类模型的训练方式，下面将详细介绍。

本公开的另一种可能实现方式，步骤S102之前还可以包括：基于正例样本以及负例样本对预设分类模型进行训练，得到训练后的预设分类模型。

具体地，基于正例样本以及负例样本对预设分类模型进行训练，具体可以包括：基于正例样本、负例样本并通过梯度下降算法对预设分类模型进行训练。

其中，正例样本包括多个属于目标类型的文本信息以及各个属于目标类型的文本信息对应的标注信息，例如，属于直播类型的文本信息“感谢水友们的支持”以及其对应的标注信息“1”。

其中，负例样本包括多个属于非目标类型的文本信息以及各个属于非目标类型的文本信息对应的标注信息，例如，属于非直播类型的文本信息“博主统计了以下数据”以及其对应的标注信息“0”。

对于本公开实施例，可以利用正例样本以及负例样本，并通过梯度下降算法对预设分类模型进行训练，使得训练后的预设分类模型能更好的识别目标类型的文本信息以及非目标类型的文本信息，提高分类准确性。其中，梯度下降算法可以对预设分类模型进行训练，用于优化预设分类模型的参数。

上述详细介绍了预设分类模型的训练方式，在本公开实施例中，预设分类模型的训练方式不限定于上述所示的训练方式。进一步地，可以利用训练后的预设分类模型对待分类的文本信息进行分类处理，具体如下所示。

本公开实施例的另一种可能实现方式，预设分类模型还包括：softmax层。

其中，步骤S102具体可以包括：利用训练后的语言表征模型的隐藏层中的至少一层从至少一个待分类的文本信息中提取各自对应的高层特征；基于各自对应的高层特征利用训练后的softmax层进行分类处理，得到各个待分类的文本信息对应的分类结果。

对于本公开实施例，预设分类模型包括语言表征模型的隐藏层中的至少一层以及softmax层。在本公开实施例中，对预设分类模型进行训练后，得到训练后的预设分类模型，具体详见上述实施例的相关说明，这里不再赘述。

对于本公开实施例，至少一个待分类的文本信息经过训练后的语言表征模型的隐藏层中的至少一层进行特征提取，得到各个待分类的文本信息对应的高层特征，该高层特征用于表征目标类型文本的特征，其中，各个待分类的文本信息对应的高层特征为向量特征，即针对任一个待分类的文本信息，每一个词汇对应唯一向量，每一个句子对应唯一向量；各个待分类的文本信息对应的高层特征经过训练后的softmax层进行分类处理，得到各个待分类的文本信息对应的分类结果。其中，可以基于向量特征利用预设分类算法对各个待分类的文本信息进行分类处理，例如，预设分类算法可以为逻辑回归(LogisticRegression)算法。

本公开实施例的另一种可能实现方式，步骤S102中，对至少一个待分类的文本信息进行分类处理，可以包括：对各个待分类的文本信息分别进行分词处理，得到各自对应的分词结果；基于各自对应的分词结果，确定各个待分类的文本信息分别对应的词向量；基于各个待分类的文本信息分别对应的词向量进行分类处理。

对于本公开实施例，可以利用训练后的预设分类模型对各个待分类的文本信息分别进行分词处理，得到各个待分类的文本信息对应的分词结果，基于各个待分类的文本信息对应的分词结果，利用训练后的预设分类模型确定各个待分类的文本信息分别对应的词向量，并基于各个待分类的文本信息分别对应的词向量，利用训练后的预设分类模型进行分类处理，以降低对文本信息进行分类处理的复杂度。

对于本公开实施例，还可以对各个待分类的文本信息分别进行分词处理，得到各个待分类的文本信息对应的分词结果；基于各个待分类的文本信息对应的分词结果，确定各个待分类的文本信息分别对应的词向量，并基于各个待分类的文本信息分别对应的词向量，利用训练后的预设分类模型进行分类处理，以降低模型的任务量，提高模型的分类速度。

对于本公开实施例，可以基于语法规则对待分类的文本信息进行分词，即对待分类的文本信息进行句法、语义分析，利用句法信息和语义信息来进行分词；还可以基于最大匹配法对待分类的文本信息进行分词，即按照一定顺序从待分类的文本信息中选取若干个字当做一个词，在字典中查找，确定该词的匹配结果，从而确定待分类的文本信息中最多匹配数和最少未匹配数的分词结果。在本公开实施例中，对待分类的文本信息进行分词的方式不限于上述所列项。

对于本公开实施例，针对任一个待分类的文本信息对应的分词结果，可以利用中心词的前、后词，来计算中心词的词向量，以得到任一个待分类的文本信息对应的词向量；还可以采用BERT模型得到任一个待分类的文本信息对应的词向量，其中，基于BERT模型可以确定词语与词向量之间的映射关系表，从而可以基于该映射关系表得到各个词对应的词向量，进而得到任一个待分类的文本信息对应的词向量。在本公开实施例中，还可以利用其它方式确定各个待分类的文本信息对应的词向量，并不限于上述所列方式，在本公开实施例中不做限定。

进一步地，基于各个待分类的文本信息对应的词向量并通过预设分类算法，对各个待分类的文本信息对应的词向量进行分类处理，具体详见上述实施例的相关说明，在此不再赘述。

上述详细介绍了本公开实施例中步骤S101-S103的各个步骤，对于本公开实施例，当利用少量属于目标类型的文本信息作为训练样本对预设分类模型进行训练后，可以得到具有较优分类效果的训练后的预设分类模型，为使得模型的分类效果更好，可以利用训练后的预设分类模型得到的历史分类结果对训练后的预设分类模型进行在线更新，具体详见下述实施例。

本公开实施例的另一种可能实现方式，还可以包括：当满足预设条件时，获取历史分类结果；基于历史分类结果对训练后的预设分类模型进行更新操作。

其中，历史分类结果为通过训练后的预设分类模型进行分类处理所得到的历史分类结果。

其中，满足预设条件可以包括检测到所述历史分类结果的数量达到预设阈值、检测到达到预设时间间隔，以及检测到更新指令中的至少一项。

对于本公开实施例，当检测到历史分类结果的数量达到预设阈值，如历史分类结果的数量达到1万时，可以基于历史分类结果对训练后的预设分类模型进行更新操作，以优化训练后的预设分类模型的参数，以使模型达到更优的分类效果；还可以当检测到达到预设时间间隔，如每隔10天，利用预设时间间隔内得到的历史分类结果对训练后的预设分类模型进行更新操作；还可以当检测到更新指令时，利用历史分类结果对训练后的预设分类模型进行更新操作，其中，可以用户触发更新指令，也可以当达到预设时间间隔时触发更新指令，在本公开实施例中不做限定。

本公开实施例的另一种可能实现方式，还可以包括：获取待识别的音频信息；对待识别的音频信息进行特征提取，得到音频特征；将音频特征通过预设语音识别模型，将待识别的音频信息转换为对应的文本信息。

其中，预设语音识别模型为通过预设训练样本进行训练得到的。

其中，预设训练样本可以包括：利用训练后的预设分类模型得到的属于目标类型的文本信息及其对应的音频信息。

对于本公开实施例，上述步骤可以在步骤S103之后执行，其中，由于预设训练样本包括利用训练后的预设分类模型得到的属于目标类型的文本信息及其对应的音频信息，使得利用预设训练样本得到的预设语音识别模型能够更准确的识别目标类型的语言，增加识别准确率，提升用户体验。

对于本公开实施例，可以从本地获取待识别的音频信息，也可以从网络中获取待识别的音频信息，还可以获取用户输入的待识别的音频信息，在本公开实施例中不做限定。

对于本公开实施例，可以对待识别的音频信息进行特征提取来得到音频特征，其中，音频特征可以为梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient，MFCC)，具体地，可以提取待识别的音频信息中各个音频帧对应的波形数据，对各个音频帧对应的波形数据分别进行预加重处理，得到各个预加重处理后的波形数据，对各个预加重处理后的波形数据分别进行加汉明窗处理，得到各个加汉明窗处理后的波形数据，对各个加汉明窗处理后的波形数据进行离散傅里叶变换，得到各个音频帧对应的频谱特征，计算各个音频帧对应的频谱特征经过各个三角梅尔频率滤波器组后分别对应的输出能量，将各个音频帧对应的频谱特征经过各个三角梅尔频率滤波器组后的分别对应的输出能量进行离散余弦变换计算处理，得到各个音频帧对应的梅尔频率倒谱系数。在本公开实施例中，音频特征还可以为短时能量特征、短时功率特征以及短时过零率特征中的至少一项，在本公开实施例中不做限定。

对于本公开实施例，将音频特征通过预设语音识别模型，将待识别的音频信息转换为对应的文本信息，其中，预设语音识别模型包括声学模型、字典和语言模型，其中，语言模型是通过预设训练样本进行训练得到的。在本公开实施例中，声学模型可以将音频特征转化为多个音素，经由字典将各个音素转化为各个词语，语言模型可以将各个词语转化为句子信息，其中，语言模型可以得到至少一个句子信息以及各个句子信息的概率。进一步地，预设语音识别模型依据各个句子信息的概率确定待识别的音频信息对应的文本信息。

上述从方法步骤的角度具体阐述了文本处理方法，下面从虚拟模块或者虚拟单元的角度介绍文本处理装置，具体如下所示：

本公开实施例提供了一种文本处理装置，如图2所示，该文本处理装置20可以包括：第一获取模块201、分类模块202以及确定模块203，其中，

第一获取模块201，用于获取至少一个待分类的文本信息。

分类模块202，用于利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的。

确定模块203，用于基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息。

本公开实施例的另一种可能实现方式，该装置还包括训练模块，其中，

训练模块，用于基于正例样本以及负例样本对预设分类模型进行训练，得到训练后的预设分类模型。

本公开实施例的另一种可能实现方式，训练模块，具体还用于基于正例样本、负例样本并通过梯度下降算法对预设分类模型进行训练。

本公开实施例的另一种可能实现方式，预设分类模型还包括：softmax层。

分类模块202包括提取单元以及分类单元，其中，

提取单元，用于利用训练后的语言表征模型的隐藏层中的至少一层从至少一个待分类的文本信息中提取各自对应的高层特征。

分类单元，用于基于各自对应的高层特征利用训练后的softmax层进行分类处理，得到各个待分类的文本信息对应的分类结果。

本公开实施例的另一种可能实现方式，分类模块202在对至少一个待分类的文本信息进行分类处理时，

分类模块202，具体用于对各个待分类的文本信息分别进行分词处理，得到各自对应的分词结果。

分类模块202，具体还用于基于各自对应的分词结果，确定各个待分类的文本信息分别对应的词向量。

分类模块202，具体还用于基于各个待分类的文本信息分别对应的词向量进行分类处理。

本公开实施例的另一种可能实现方式，该装置还包括：

第二获取模块，用于当满足预设条件时，获取历史分类结果。

更新模块，用于基于历史分类结果对训练后的预设分类模型进行更新操作。

其中，历史分类结果为通过训练后的预设分类模型进行分类处理所得到的历史分类结果。

满足预设条件包括以下至少一项：

检测到历史分类结果的数量达到预设阈值；检测到达到预设时间间隔；检测到更新指令。

本公开实施例的另一种可能实现方式，该装置还包括：

第三获取模块，用于获取待识别的音频信息。

提取模块，用于对待识别的音频信息进行特征提取，得到音频特征。

转换模块，用于将音频特征通过预设语音识别模型，将待识别的音频信息转换为对应的文本信息，预设语音识别模型为通过预设训练样本进行训练得到的，预设训练样本包括：利用训练后的预设分类模型得到的属于目标类型的文本信息及其对应的音频信息。

对于本公开实施例，第一获取模块201、第二获取模块以及第三获取模块可以为同一个获取模块，也可以为不同的获取模块，还可以任意组合为相同的获取模块，在本公开实施例中不做限定。

本公开实施例的文本处理装置适用于本公开上述方法实施例所示的文本处理方法，其实现原理相类似，此处不再赘述。

本公开实施例提供了一种文本处理装置，与现有技术相比，本公开实施例通过获取至少一个待分类的文本信息，利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的，基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息，实现了基于语言表征模型的隐藏层组成预设分类模型，且隐藏层是经过通用文本信息训练得到的，可以提取文本的通用特征，进而可以利用少量属于目标类型的文本信息作为训练样本对预设分类模型进行训练，使得训练好的预设分类模型可以准确提取目标类型的文本信息，从而可以较为准确确定出属于目标类型的文本信息，进而可以利用训练好的预设分类模型获取目标类型的文本信息，减少人力与时间的消耗，增加获取效率。

上述从虚拟模块或者虚拟单元的角度介绍本公开的文本处理装置，下面从实体装置的角度介绍本公开的电子设备。

下面参考图3，其示出了适于用来实现本公开实施例的电子设备(例如图1中的终端设备或服务器)300的结构示意图。该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行方法实施例所示的文本处理方法。

本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

电子设备包括：存储器以及处理器，其中，这里的处理器可以称为下文所述的处理装置301，存储器可以包括下文中的只读存储器(ROM)302、随机访问存储器(RAM)303以及存储装置308中的至少一项，具体如下所示：

如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少一个待分类的文本信息；利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的；基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块或单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取模块还可以被描述为“获取至少一个待分类的文本信息的模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

本公开实施例提供了一种电子设备，本公开实施例中的电子设备包括：存储器和处理器；至少一个程序，存储于所述存储器中，用于被所述处理器执行时，与现有技术相比可实现：本公开实施例通过获取至少一个待分类的文本信息，利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的，基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息，实现了基于语言表征模型的隐藏层组成预设分类模型，且隐藏层是经过通用文本信息训练得到的，可以提取文本的通用特征，进而可以利用少量属于目标类型的文本信息作为训练样本对预设分类模型进行训练，使得训练好的预设分类模型可以准确提取目标类型的文本信息，从而可以较为准确确定出属于目标类型的文本信息，进而可以利用训练好的预设分类模型获取目标类型的文本信息，减少人力与时间的消耗，增加获取效率。

上述从实体装置的角度介绍本公开的电子设备，下面从介质的角度介绍本公开的计算机可读介质。

本公开实施例提供了一种计算机可读介质，该计算机可读介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，本公开实施例通过获取至少一个待分类的文本信息，利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的，基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息，实现了基于语言表征模型的隐藏层组成预设分类模型，且隐藏层是经过通用文本信息训练得到的，可以提取文本的通用特征，进而可以利用少量属于目标类型的文本信息作为训练样本对预设分类模型进行训练，使得训练好的预设分类模型可以准确提取目标类型的文本信息，从而可以较为准确确定出属于目标类型的文本信息，进而可以利用训练好的预设分类模型获取目标类型的文本信息，减少人力与时间的消耗，增加获取效率。

根据本公开的一个或多个实施例，提供了一种文本处理方法，包括：

获取至少一个待分类的文本信息；

利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的；

基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息。

根据本公开的一个或多个实施例，利用训练后的预设分类模型对所述至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，之前还包括：

基于正例样本以及负例样本对预设分类模型进行训练，得到训练后的预设分类模型。

根据本公开的一个或多个实施例，基于正例样本以及负例样本对预设分类模型进行训练，包括：

基于正例样本、负例样本并通过梯度下降算法对预设分类模型进行训练。

根据本公开的一个或多个实施例，预设分类模型还包括：softmax层；

利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，包括：

利用训练后的语言表征模型的隐藏层中的至少一层从至少一个待分类的文本信息中提取各自对应的高层特征；

基于各自对应的高层特征利用训练后的softmax层进行分类处理，得到各个待分类的文本信息对应的分类结果。

根据本公开的一个或多个实施例，对至少一个待分类的文本信息进行分类处理，包括：

对各个待分类的文本信息分别进行分词处理，得到各自对应的分词结果；

基于各自对应的分词结果，确定各个待分类的文本信息分别对应的词向量；

基于各个待分类的文本信息分别对应的词向量进行分类处理。

根据本公开的一个或多个实施例，还包括：

当满足预设条件时，获取历史分类结果；

基于历史分类结果对训练后的预设分类模型进行更新操作；

其中，历史分类结果为通过训练后的预设分类模型进行分类处理所得到的历史分类结果；

满足预设条件包括以下至少一项：

检测到历史分类结果的数量达到预设阈值；检测到达到预设时间间隔；检测到更新指令。

根据本公开的一个或多个实施例，还包括：

获取待识别的音频信息；

对待识别的音频信息进行特征提取，得到音频特征；

将音频特征通过预设语音识别模型，将待识别的音频信息转换为对应的文本信息，预设语音识别模型为通过预设训练样本进行训练得到的，预设训练样本包括：利用训练后的预设分类模型得到的属于目标类型的文本信息及其对应的音频信息。

根据本公开的一个或多个实施例，提供了一种文本处理装置，包括：

第一获取模块，用于获取至少一个待分类的文本信息；

分类模块，用于利用训练后的预设分类模型对至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，预设分类模型包括语言表征模型的隐藏层中的至少一层，语言表征模型是根据通用文本信息训练得到的，其中，训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对预设分类模型进行训练得到的；

确定模块，用于基于各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息。

根据本公开的一个或多个实施例，还包括训练模块，其中，

训练模块，用于基于正例样本以及负例样本对预设分类模型进行训练，得到训练后的预设分类模型。

根据本公开的一个或多个实施例，训练模块，具体还用于基于正例样本、负例样本并通过梯度下降算法对预设分类模型进行训练。

根据本公开的一个或多个实施例，预设分类模型还包括：softmax层；

分类模块包括提取单元以及分类单元，其中，

提取单元，用于利用训练后的语言表征模型的隐藏层中的至少一层从至少一个待分类的文本信息中提取各自对应的高层特征；

分类单元，用于基于各自对应的高层特征利用训练后的softmax层进行分类处理，得到各个待分类的文本信息对应的分类结果。

根据本公开的一个或多个实施例，分类模块在对至少一个待分类的文本信息进行分类处理时，

分类模块，具体用于对各个待分类的文本信息分别进行分词处理，得到各自对应的分词结果；

分类模块，具体还用于基于各自对应的分词结果，确定各个待分类的文本信息分别对应的词向量；

分类模块，具体还用于基于各个待分类的文本信息分别对应的词向量进行分类处理。

根据本公开的一个或多个实施例，还包括：

第二获取模块，用于当满足预设条件时，获取历史分类结果；

更新模块，用于基于历史分类结果对训练后的预设分类模型进行更新操作；

其中，历史分类结果为通过训练后的预设分类模型进行分类处理所得到的历史分类结果；

满足预设条件包括以下至少一项：

检测到历史分类结果的数量达到预设阈值；检测到达到预设时间间隔；检测到更新指令。

根据本公开的一个或多个实施例，还包括：

第三获取模块，用于获取待识别的音频信息；

提取模块，用于对待识别的音频信息进行特征提取，得到音频特征；

转换模块，用于将音频特征通过预设语音识别模型，将待识别的音频信息转换为对应的文本信息，预设语音识别模型为通过预设训练样本进行训练得到的，预设训练样本包括：利用训练后的预设分类模型得到的属于目标类型的文本信息及其对应的音频信息。

根据本公开的一个或多个实施例，提供了一种电子设备，其包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据方法实施例所示的文本处理方法。

根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现方法实施例所示的文本处理方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种文本处理方法，其特征在于，包括：

获取至少一个待分类的文本信息；

利用训练后的预设分类模型对所述至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，所述预设分类模型包括语言表征模型的隐藏层中的至少一层，所述语言表征模型是根据通用文本信息训练得到的，其中，所述训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对所述预设分类模型进行训练得到的；

基于所述各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息。

2.根据权利要求1所述的方法，其特征在于，所述利用训练后的预设分类模型对所述至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，之前还包括：

基于正例样本以及负例样本对所述预设分类模型进行训练，得到所述训练后的预设分类模型。

3.根据权利要求2所述的方法，其特征在于，所述基于正例样本以及负例样本对所述预设分类模型进行训练，包括：

基于所述正例样本、所述负例样本并通过梯度下降算法对所述预设分类模型进行训练。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述预设分类模型还包括：softmax层；

所述利用训练后的预设分类模型对所述至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，包括：

利用训练后的所述语言表征模型的隐藏层中的至少一层从所述至少一个待分类的文本信息中提取各自对应的高层特征；

基于所述各自对应的高层特征利用训练后的所述softmax层进行分类处理，得到各个待分类的文本信息对应的分类结果。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述对所述至少一个待分类的文本信息进行分类处理，包括：

对各个待分类的文本信息分别进行分词处理，得到各自对应的分词结果；

基于所述各自对应的分词结果，确定各个待分类的文本信息分别对应的词向量；

基于所述各个待分类的文本信息分别对应的词向量进行分类处理。

6.根据权利要求1-3任一项所述的方法，其特征在于，还包括：

当满足预设条件时，获取历史分类结果；

基于历史分类结果对所述训练后的预设分类模型进行更新操作；

其中，所述历史分类结果为通过训练后的预设分类模型进行分类处理所得到的历史分类结果；

所述满足预设条件包括以下至少一项：

检测到所述历史分类结果的数量达到预设阈值；检测到达到预设时间间隔；检测到更新指令。

7.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

获取待识别的音频信息；

对所述待识别的音频信息进行特征提取，得到音频特征；

将所述音频特征通过预设语音识别模型，将所述待识别的音频信息转换为对应的文本信息，所述预设语音识别模型为通过预设训练样本进行训练得到的，所述预设训练样本包括：利用训练后的预设分类模型得到的属于所述目标类型的文本信息及其对应的音频信息。

8.一种文本处理装置，其特征在于，包括：

第一获取模块，用于获取至少一个待分类的文本信息；

分类模块，用于利用训练后的预设分类模型对所述至少一个待分类的文本信息进行分类处理，得到各个待分类的文本信息对应的分类结果，所述预设分类模型包括语言表征模型的隐藏层中的至少一层，所述语言表征模型是根据通用文本信息训练得到的，其中，所述训练后的预设分类模型是通过属于目标类型的文本信息作为训练样本对所述预设分类模型进行训练得到的；

确定模块，用于基于所述各个待分类的文本信息对应的分类结果确定属于目标类型的文本信息。

9.一种电子设备，其特征在于，其包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～7任一项所述的文本处理方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～7任一项所述的文本处理方法。

Images