CN113313211A - 文本分类方法、装置、电子设备及存储介质 - Google Patents

文本分类方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113313211A
CN113313211A CN202110719786.2A CN202110719786A CN113313211A CN 113313211 A CN113313211 A CN 113313211A CN 202110719786 A CN202110719786 A CN 202110719786A CN 113313211 A CN113313211 A CN 113313211A
Authority
CN
China
Prior art keywords
classification
training
integrated
primary
learner
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110719786.2A
Other languages
English (en)
Other versions
CN113313211B (zh
Inventor
文浩宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202110719786.2A priority Critical patent/CN113313211B/zh
Publication of CN113313211A publication Critical patent/CN113313211A/zh
Application granted granted Critical
Publication of CN113313211B publication Critical patent/CN113313211B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及智能决策技术，揭露了一种文本分类方法，包括：利用标注后的样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及分类测试，得到每个初级学习器的分类特征集，对所有所述分类特征集进行加权求平均的整合，将整合后的分类特征集及预构建的细粒度标签体系作为集成训练集，选择所述集成模型中的其中一个初级学习器作为所述集成模型的次级学习器，利用所述集成训练集对所述次级学习器进行集成分类训练直到所述集成分类训练满足预设条件，利用所述次级学习器对待分类文本进行文本分类。本发明还提出一种文本分类装置、电子设备及存储介质。本发明可以解决单一机器学习模型文本分类精确性和鲁棒性低的问题。

Description

文本分类方法、装置、电子设备及存储介质
技术领域
本发明涉及智能决策技术领域，尤其涉及一种文本分类方法、装置、电子设备及计算机可读存储介质。
背景技术
文本分类是自然语言处理领域中非常重要的方向之一，在日常的生产或生活中有着广泛的应用。例如，企业通过对用户反馈的大量的投诉文本进行投诉级别的分类及情感分类，可以准确把握客户的真实意图，预测用户再次投诉意愿的高低，从而提升投诉事件的处理效率，改善企业与用户的关系。
当前的文本分类较多是基于某一文本分类算法，构建相应的机器学习模型，利用所述机器学习模型进行文本分类的预测。但是单一机器学习模型，文本特征表示能力有限，不能从多方面对文本进行分析和学习，同时，单一机器学习模型不能很好的结合不同特性的多个机器学习模型的优势，导致单一机器学习模型的文本分类的精确性和鲁棒性有待提升。
发明内容
本发明提供一种文本分类方法、装置及计算机可读存储介质，其主要目的在于解决单一机器学习模型的文本分类精确性和鲁棒性低的问题。
为实现上述目的，本发明提供的一种文本分类方法，包括：
获取训练文本集，根据预构建的细粒度标签体系对所述训练文本集进行标注，得到包括标注后的文本集的样本集；
利用所述样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及初级分类测试，得到所述每个初级学习器的分类特征集；
整合所有所述分类特征集，将整合后的分类特征集及所述预构建的细粒度标签体系作为集成训练集；
选择所述集成模型中的其中一个初级学习器作为所述集成模型的次级学习器；
利用所述集成训练集对所述次级学习器进行集成分类训练，直到所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值满足预设条件，停止对所述次级学习器的集成分类训练；
利用所述次级学习器对待分类文本进行文本分类，得到文本分类结果。
可选地，所述利用所述样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及初级分类测试，得到所述每个初级学习器的分类特征集，包括：
利用所述样本集，分别为所述预构建的集成模型中的每个初级学习器分配训练集及验证集；
分别利用每个所述初级学习器的训练集，对相应的初级学习器进行初级分类训练直到所述初级学习器的训练次数达到预设的阈值；
利用每个所述初级学习器的验证集对相应的初级学习器进行初级分类测试，得到所述每个初级学习器的分类特征集。
可选地，所述利用所述样本集，分别为所述预构建的集成模型中的每个初级学习器分配训练集及验证集，包括：
统计所述集成模型中的初级学习器的数量；
将所述样本集复制与所述初级学习器的数量相同份数，为所述每个初级学习器分配一份所述样本集；
对于每个所述初级学习器，将对应的样本集平均分成K份，随机选择其中一份作为所述初级学习器的验证集，其他份样本集作为所述初级学习器的训练集。
可选地，所述整合所有所述分类特征集，包括：
设置所述每个初级学习器的权重值；
根据所述权重值对相应的初级学习器的分类特征集执行加权平均操作，得到整合后的分类特征集。
可选地，所述选择所述集成模型中的其中一个初级学习器作为所集成模型的次级学习器，包括：
随机选择所述集成模型中的一个初级学习器；
利用集成学习原理，将所述初级学习器作为所述集成模型中的次级学习器与所述集成模型中的其他初级学习器相连接。
可选地，所述利用所述集成训练集对所述次级学习器进行集成分类训练，直到所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值满足预设条件，停止对所述次级学习器的集成分类训练，包括：
利用所述集成训练集对所述次级学习器进行集成分类训练，得到所述集成分类训练的分类结果；
利用预构建的损失函数，判断所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值是否满足预设条件；
若所述误差值不满足所述预设条件，则调整所述次级学习器的参数值，并返回所述利用所述集成训练集对所述次级学习器进行集成分类训练的步骤；
若所述误差值满足所述预设条件，则退出所述集成分类训练。
可选地，所述根据预构建的细粒度标签体系对所述训练文本集进行标注之前，还包括：
对所述训练文本集进行清洗，得到清洗后的文本集；
对所述清洗后文本集执行分词操作，得到由分词组成的训练文本集。
为了解决上述问题，本发明还提供一种文本分类装置，所述装置包括：
训练文本标注模块，用于获取训练文本集，根据预构建的细粒度标签体系对所述训练文本集进行标注，得到包括标注后的文本集的样本集；
初级分类训练模块，用于利用所述样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及初级分类测试，得到所述每个初级学习器的分类特征集；
集成分类训练模块，用于整合所有所述分类特征集，将整合后的分类特征集及所述预构建的细粒度标签体系作为集成训练集；选择所述集成模型中的其中一个初级学习器作为所述集成模型的次级学习器；利用所述集成训练集对所述次级学习器进行集成分类训练，直到所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值满足预设条件，停止对所述次级学习器的集成分类训练；
文本分类模块，用于利用所述次级学习器对待分类文本进行文本分类，得到文本分类结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的文本分类方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的文本分类方法。
本发明实施例利用采用细粒度标签体系标注后的样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及分类测试，得到每个初级学习器的分类特征集。通过所述初级分类训练，可以有效发挥所述每个初级学习器的特征表示能力，因此，利用所述每个初级学习器产生的分类特征集整合得到的集成训练集充分利用到了每个初级学习器的优势，使得所述集成训练集的标签更全面和准确，进一步地，选择所述集成模型中的任意一个初级学习器作为所述集成模型的次级学习器，利用所述集成训练集对所述次级学习器进行集成分类训练，可以加速所述集成模型的快速收敛。因此本发明提出的文本分类方法可以解决单一机器学习模型的文本分类精确性和鲁棒性低的问题。
附图说明
图1为本发明一实施例提供的文本分类方法的流程示意图；
图2为本发明一实施例提供的初级分类训练方法的流程示意图；
图3为本发明一实施例提供的初级学习器训练集及验证集分配方法的流程示意图；
图4为本发明一实施例提供的集成训练集生成方法的流程示意图；
图5为本发明一实施例提供的集成分类训练方法的流程示意图；
图6为本发明一实施例提供的文本分类装置的功能模块图；
图7为本发明一实施例提供的实现所述文本分类方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种文本分类方法。所述文本分类方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述文本分类方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
本发明实施例，以面向商家或企业的投诉文本的分类为例，说明所述文本分类方法的实施过程。商家或企业在面对用户的投诉文本，尤其是大量的投诉文本时，能够快速地从投诉信息中获取用户意图以及准确预测用户再次投诉意愿是十分重要的，一方面可以及时响应用户，解决用户问题，避免再次投诉的发生，另一方面可以借助对投诉文本的分类分析优化服务，改善商家或企业与用户的关系。
参照图1所示，为本发明一实施例提供的文本分类方法的流程示意图。在本实施例中，所述文本分类方法包括：
S1、获取训练文本集，根据预构建的细粒度标签体系对所述训练文本集进行标注，得到包括标注后的文本集的样本集；
本发明实施例中，以保险领域用户投诉文本为例进行说明，所述训练文本集，包括针对保险销售、保险理赔、保险咨询等服务的投诉文本信息。
所述预构建的细粒度标签体系是指基于对保险领域大量的、常见的用户投诉文本的分析，提取投诉文本的特征，并对所述特征进行分层分类，并逐层细化所得到的特征体系。在所述预构建的细粒度标签体系中，每一层的每一类标签代表一种可标注的特征，最后一层的每一类的标签为最小粒度的可标注的特征，可以根据所述最小粒度的可标注的特征，设置相应投诉文本的投诉级别及用户再次投诉意愿的高低。
在所述根据预构建的细粒度标签体系对所述训练文本集进行标注之前，还包括：对所述训练文本集进行清洗，得到清洗后的文本集；对所述清洗后文本集执行分词操作，得到由分词组成的训练文本集；
本发明实施例中，所述清洗操作包括去停用词、去标点、去无用符号等操作，所述分词操作是指根据空格、数字、字母、E-mail地址、IP地址等信息对所述训练文本集中的每一条训练文本进行分割，得到一个个独立的字或词组。
本发明实施例中，较佳地，可以根据所述预构建地细粒度标签体系，利用文本标注工具对所述由分词组成的训练文本集进行标注，得到包括标注后的文本集的样本集。所述文本标注工具可以采用brat或Doccano等常见的文本标注工具。
S2、利用所述样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及初级分类测试，得到所述每个初级学习器的分类特征集；
本发明实施例中，所述预构建的集成模型中的初级学习器可以设置多个，其中每个初级学习器的运行彼此独立互不影响，同时所述每个初级学习器的特性不同，本发明实施例中，所述预构建的集成模型中的初级学习器包括：基于不同分类树算法的机器学习模型XGBoost(X-Gradient Boosting Decision Tree，超梯度提升树)学习器和GBDT(Gradient Boosting Decision Tree，梯度提升树)学习器以及线性机器学习模型LR(Logistic Regression，逻辑回归)学习器及SVM(Support Vector Machine，支持向量机)学习器。
本发明实施例中，所述预构建的集成模型中的初级学习器的数量和类型可以根据实施情况调整。
详细地，参阅图2所示，所述S2，包括：
S21、利用所述样本集，分别为所述预构建的集成模型中的每个初级学习器分配训练集及验证集；
S22、分别利用每个所述初级学习器的训练集，对相应的初级学习器进行初级分类训练直到所述初级学习器的训练次数达到预设的阈值；
S23、利用每个所述初级学习器的验证集对相应的初级学习器进行初级分类测试，得到所述每个初级学习器的分类特征集。
进一步地，参阅图3所示，所述S21，包括：
S211、统计所述集成模型中的初级学习器的数量；
S212、将所述样本集复制与所述初级学习器的数量相同份数，为所述每个初级学习器分配一份所述样本集；
S213、对于每个所述初级学习器，将对应的样本集平均分成K份，随机选择其中一份作为所述初级学习器的验证集，其他份样本集作为所述初级学习器的训练集。
本发明实施例中，所述初级分类训练的退出条件是所述初级学习器的训练次数达到预设的阈值，这样设置可以加速所有初级学习器的初级分类训练过程。在实际应用中，可以针对不同的初级学习器设置不同的初级分类训练退出条件，例如，利用预设的损失函数判断所述初级分类训练的误差值是否达到收敛，当所述初级分类训练的误差值达到收敛时，退出所述初级分类训练。
本发明实施例中，采用随机分配所述每个初级学习器的训练集的方式，对相应的初级学习器进行初级分类训练，可以防止在所述初级分类训练过程中出现过拟合的现象。
S3、整合所有所述分类特征集，将整合后的分类特征集及所述预构建的细粒度标签体系作为集成训练集；
本发明实施例中，所述预构建的集成模型中的每个初级学习器的特性不同，例如，文本特征表示能力不同、文本分类的准确性不同及相应的训练开销不同。针对所述每个初级学习器的特性，对每个初级学习器的分类特征集进行整合，可以均衡每个初级学习器的输出，充分利用所述每个初级学习器的优势。
详细地，参阅图4所示，所述S3，包括：
S31、设置所述每个初级学习器的权重值；
S32、根据所述权重值对相应的初级学习器的分类特征集执行加权平均操作，得到整合后的分类特征集；
S33、将整合后的分类特征集及所述预构建的细粒度标签体系作为集成训练集。
在实际应用中，可以结合所述每个初级学习器的参数复杂度、训练开销的大小、文本分类准确性的高低，调整所述每个初级学习器的权重值。
S4、选择所述集成模型中的其中一个初级学习器作为所述集成模型的次级学习器；
本发明实施例中，以所述预构建的集成模型的中任意一个初级学习器作为所述预构建的集成模型的次级学习器，可以加快所述集成模型的次级学习器的训练收敛速度。
详细地，所述选择所述集成模型中的其中一个初级学习器作为所述集成模型的次级学习器，包括：随机选择所述集成模型中的一个初级学习器；利用集成学习原理，将所述初级学习器作为所述集成模型中的次级学习器与所述集成模型中的其他初级学习器相连接。
本发明实施例中，可以利用Stacking集成学习原理或Bagging集成学习原理将所述集成模型中的初级学习器和次级学习器结合在一起。所述Stacking集成学习原理和Bagging集成学习原理是一种在集成模型中的每个学习器之间不存在强依赖关系，可同时并行的机器学习方法。
S5、利用所述集成训练集对所述次级学习器进行集成分类训练，直到所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值满足预设条件，停止对所述次级学习器的集成分类训练；
本发明实施例中，所述集成分类训练的退出条件为所述集成分类训练的误差值满足预设条件，在实际应用中可以设置不同的退出条件，例如，当所述集成分类训练的训练次数达到预设的阈值时，退出所述集成分类训练。
详细地，参阅图5所示，所述S5，包括：
S51、利用所述集成训练集对所述次级学习器进行集成分类训练，得到所述集成分类训练的分类结果；
S52、利用预构建的损失函数，判断所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值是否满足预设条件；
若所述误差值不满足所述预设条件，则执行S53、调整所述次级学习器的参数值，并返回S51；
若所述误差值满足所述预设条件，则执行S54、退出所述集成分类训练。
本发明实施例中，所述预构建的损失函数可以采用如下函数。
Figure BDA0003136092410000081
其中，N为所述集成训练集的个数，y为所述集成训练集的真实分类结果，
Figure BDA0003136092410000082
为所述集成训练集的分类结果。
S6、利用所述次级学习器对待分类文本进行文本分类，得到文本分类结果。
本发明实施例中，再所述利用所述次级学习器对待分类文本进行文本分类之前，可以对所述待分类文本进行去停用词、去标点、去无用符号的操作。
本发明实施例利用采用细粒度标签体系标注后的样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及分类测试，得到每个初级学习器的分类特征集。通过所述初级分类训练，可以有效发挥所述每个初级学习器的特征表示能力，因此，利用所述每个初级学习器产生的分类特征集整合得到的集成训练集充分利用到了每个初级学习器的优势，使得所述集成训练集的标签更全面和准确，进一步地，选择所述集成模型中的任意一个初级学习器作为所述集成模型的次级学习器，利用所述集成训练集对所述次级学习器进行集成分类训练，可以加速所述集成模型的快速收敛。因此本发明提出的文本分类方法可以解决单一机器学习模型的文本分类精确性和鲁棒性低的问题。
如图6所示，是本发明一实施例提供的文本分类装置的功能模块图。
本发明所述文本分类装置100可以安装于电子设备中。根据实现的功能，所述文本分类装置100可以包括训练文本标注模块101、初级分类训练模块102、集成分类训练模块103及文本分类模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述训练文本标注模块101，用于获取训练文本集，根据预构建的细粒度标签体系对所述训练文本集进行标注，得到包括标注后的文本集的样本集；
所述初级分类训练模块102，用于利用所述样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及初级分类测试，得到所述每个初级学习器的分类特征集；
所述集成分类训练模块103，用于整合所有所述分类特征集，将整合后的分类特征集及所述预构建的细粒度标签体系作为集成训练集；选择所述集成模型中的其中一个初级学习器作为所述集成模型的次级学习器；利用所述集成训练集对所述次级学习器进行集成分类训练，直到所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值满足预设条件，停止对所述次级学习器的集成分类训练；
所述文本分类模块104，用于利用所述次级学习器对待分类文本进行文本分类，得到文本分类结果。
详细地，本发明实施例中所述文本分类装置100中的各个模块在使用时采用与上述的图1至图5中所述的文本分类方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图7所示，是本发明一实施例提供的实现文本分类方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如文本分类程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如文本分类程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如文本分类程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图7仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图7示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的文本分类程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取训练文本集，根据预构建的细粒度标签体系对所述训练文本集进行标注，得到包括标注后的文本集的样本集；
利用所述样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及初级分类测试，得到所述每个初级学习器的分类特征集；
整合所有所述分类特征集，将整合后的分类特征集及所述预构建的细粒度标签体系作为集成训练集；
选择所述集成模型中的其中一个初级学习器作为所述集成模型的次级学习器；
利用所述集成训练集对所述次级学习器进行集成分类训练，直到所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值满足预设条件，停止对所述次级学习器的集成分类训练；
利用所述次级学习器对待分类文本进行文本分类，得到文本分类结果。
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取训练文本集，根据预构建的细粒度标签体系对所述训练文本集进行标注，得到包括标注后的文本集的样本集；
利用所述样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及初级分类测试，得到所述每个初级学习器的分类特征集；
整合所有所述分类特征集，将整合后的分类特征集及所述预构建的细粒度标签体系作为集成训练集；
选择所述集成模型中的其中一个初级学习器作为所述集成模型的次级学习器；
利用所述集成训练集对所述次级学习器进行集成分类训练，直到所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值满足预设条件，停止对所述次级学习器的集成分类训练；
利用所述次级学习器对待分类文本进行文本分类，得到文本分类结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种文本分类方法，其特征在于，所述方法包括：
获取训练文本集，根据预构建的细粒度标签体系对所述训练文本集进行标注，得到包括标注后的文本集的样本集；
利用所述样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及初级分类测试，得到所述每个初级学习器的分类特征集；
整合所有所述分类特征集，将整合后的分类特征集及所述预构建的细粒度标签体系作为集成训练集；
选择所述集成模型中的其中一个初级学习器作为所述集成模型的次级学习器；
利用所述集成训练集对所述次级学习器进行集成分类训练，直到所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值满足预设条件，停止对所述次级学习器的集成分类训练；
利用所述次级学习器对待分类文本进行文本分类，得到文本分类结果。
2.如权利要求1所述的文本分类方法，其特征在于，所述利用所述样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及初级分类测试，得到所述每个初级学习器的分类特征集，包括：
利用所述样本集，分别为所述预构建的集成模型中的每个初级学习器分配训练集及验证集；
分别利用每个所述初级学习器的训练集，对相应的初级学习器进行初级分类训练直到所述初级学习器的训练次数达到预设的阈值；
利用每个所述初级学习器的验证集对相应的初级学习器进行初级分类测试，得到所述每个初级学习器的分类特征集。
3.如权利要求2所述的文本分类方法，其特征在于，所述利用所述样本集，分别为所述预构建的集成模型中的每个初级学习器分配训练集及验证集，包括：
统计所述集成模型中的初级学习器的数量；
将所述样本集复制与所述初级学习器的数量相同份数，为所述每个初级学习器分配一份所述样本集；
对于每个所述初级学习器，将对应的样本集平均分成K份，随机选择其中一份作为所述初级学习器的验证集，其他份样本集作为所述初级学习器的训练集。
4.如权利要求1所述的文本分类方法，其特征在于，所述整合所有所述分类特征集，包括：
设置所述每个初级学习器的权重值；
根据所述权重值对相应的初级学习器的分类特征集执行加权平均操作，得到整合后的分类特征集。
5.如权利要求1所述的文本分类方法，其特征在于，所述选择所述集成模型中的其中一个初级学习器作为所集成模型的次级学习器，包括：
随机选择所述集成模型中的一个初级学习器；
利用集成学习原理，将所述初级学习器作为所述集成模型中的次级学习器与所述集成模型中的其他初级学习器相连接。
6.如权利要求1至5中任意一项所述的文本分类方法，其特征在于，所述利用所述集成训练集对所述次级学习器进行集成分类训练，直到所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值满足预设条件，停止对所述次级学习器的集成分类训练，包括：
利用所述集成训练集对所述次级学习器进行集成分类训练，得到所述集成分类训练的分类结果；
利用预构建的损失函数，判断所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值是否满足预设条件；
若所述误差值不满足所述预设条件，则调整所述次级学习器的参数值，并返回所述利用所述集成训练集对所述次级学习器进行集成分类训练的步骤；
若所述误差值满足所述预设条件，则退出所述集成分类训练。
7.如权利要求1至5中任意一项所述的文本分类方法，其特征在于，所述根据预构建的细粒度标签体系对所述训练文本集进行标注之前，还包括：
对所述训练文本集进行清洗，得到清洗后的文本集；
对所述清洗后文本集执行分词操作，得到由分词组成的训练文本集。
8.一种文本分类装置，其特征在于，所述装置包括：
训练文本标注模块，用于获取训练文本集，根据预构建的细粒度标签体系对所述训练文本集进行标注，得到包括标注后的文本集的样本集；
初级分类训练模块，用于利用所述样本集分别对预构建的集成模型中的每个初级学习器进行初级分类训练及初级分类测试，得到所述每个初级学习器的分类特征集；
集成分类训练模块，用于整合所有所述分类特征集，将整合后的分类特征集及所述预构建的细粒度标签体系作为集成训练集；选择所述集成模型中的其中一个初级学习器作为所述集成模型的次级学习器；利用所述集成训练集对所述次级学习器进行集成分类训练，直到所述集成分类训练的分类结果与所述集成训练集的真实分类结果之间的误差值满足预设条件，停止对所述次级学习器的集成分类训练；
文本分类模块，用于利用所述次级学习器对待分类文本进行文本分类，得到文本分类结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的文本分类方法。
10.一种计算机可读存储介质，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如权利要求1至7中任意一项所述的文本分类方法。
CN202110719786.2A 2021-06-28 2021-06-28 文本分类方法、装置、电子设备及存储介质 Active CN113313211B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110719786.2A CN113313211B (zh) 2021-06-28 2021-06-28 文本分类方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110719786.2A CN113313211B (zh) 2021-06-28 2021-06-28 文本分类方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113313211A true CN113313211A (zh) 2021-08-27
CN113313211B CN113313211B (zh) 2023-10-17

Family

ID=77380639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110719786.2A Active CN113313211B (zh) 2021-06-28 2021-06-28 文本分类方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113313211B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114074332A (zh) * 2022-01-19 2022-02-22 季华实验室 一种摩擦力补偿方法、装置、电子设备和存储介质
CN116881715A (zh) * 2023-07-11 2023-10-13 南方电网电力科技股份有限公司 一种锅炉积灰状态预测方法、系统、设备和介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918708A (zh) * 2019-01-21 2019-06-21 昆明理工大学 一种基于异质集成学习的材料性能预测模型构建方法
CN111639690A (zh) * 2020-05-21 2020-09-08 同济大学 基于关系图谱学习的欺诈分析方法、系统、介质及设备
CN112347393A (zh) * 2020-10-21 2021-02-09 上海淇玥信息技术有限公司 一种基于异质集成学习的欺诈预测方法、装置及电子设备
CN112700325A (zh) * 2021-01-08 2021-04-23 北京工业大学 一种基于Stacking集成学习的网贷回头客预测的方法
CN112711660A (zh) * 2020-12-29 2021-04-27 易方达基金管理有限公司 文本分类样本的构建方法和文本分类模型的训练方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918708A (zh) * 2019-01-21 2019-06-21 昆明理工大学 一种基于异质集成学习的材料性能预测模型构建方法
CN111639690A (zh) * 2020-05-21 2020-09-08 同济大学 基于关系图谱学习的欺诈分析方法、系统、介质及设备
CN112347393A (zh) * 2020-10-21 2021-02-09 上海淇玥信息技术有限公司 一种基于异质集成学习的欺诈预测方法、装置及电子设备
CN112711660A (zh) * 2020-12-29 2021-04-27 易方达基金管理有限公司 文本分类样本的构建方法和文本分类模型的训练方法
CN112700325A (zh) * 2021-01-08 2021-04-23 北京工业大学 一种基于Stacking集成学习的网贷回头客预测的方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114074332A (zh) * 2022-01-19 2022-02-22 季华实验室 一种摩擦力补偿方法、装置、电子设备和存储介质
CN114074332B (zh) * 2022-01-19 2022-04-22 季华实验室 一种摩擦力补偿方法、装置、电子设备和存储介质
CN116881715A (zh) * 2023-07-11 2023-10-13 南方电网电力科技股份有限公司 一种锅炉积灰状态预测方法、系统、设备和介质

Also Published As

Publication number Publication date
CN113313211B (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
CN112801718B (zh) 用户行为预测方法、装置、设备及介质
CN113313211B (zh) 文本分类方法、装置、电子设备及存储介质
CN113961473A (zh) 数据测试方法、装置、电子设备及计算机可读存储介质
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN111897856A (zh) 监管报文生成方法、装置、电子设备及可读存储介质
CN111694844A (zh) 基于配置算法的企业运行数据分析方法、装置及电子设备
CN113268665A (zh) 基于随机森林的信息推荐方法、装置、设备及存储介质
CN114840531B (zh) 基于血缘关系的数据模型重构方法、装置、设备及介质
CN113379391A (zh) 工单处理方法、装置、电子设备及计算机可读存储介质
CN114781832A (zh) 课程推荐方法、装置、电子设备及存储介质
CN115081538A (zh) 基于机器学习的客户关系识别方法、装置、设备及介质
CN117155771B (zh) 一种基于工业物联网的设备集群故障溯源方法及装置
CN113658002A (zh) 基于决策树的交易结果生成方法、装置、电子设备及介质
CN112801222A (zh) 基于二分类模型的多分类方法、装置、电子设备及介质
CN115221274A (zh) 文本情感分类方法、装置、电子设备及存储介质
CN113435746B (zh) 用户工作量的评分方法、装置、电子设备及存储介质
CN112561500B (zh) 基于用户数据的薪酬数据生成方法、装置、设备及介质
CN115146064A (zh) 意图识别模型优化方法、装置、设备及存储介质
CN114385815A (zh) 基于业务需求的新闻筛选方法、装置、设备及存储介质
CN113626605A (zh) 信息分类方法、装置、电子设备及可读存储介质
CN113657546A (zh) 信息分类方法、装置、电子设备及可读存储介质
CN113486646A (zh) 产品报告发布方法、装置、电子设备及可读存储介质
CN113706019A (zh) 基于多维数据的业务能力分析方法、装置、设备及介质
CN113656586A (zh) 情感分类方法、装置、电子设备及可读存储介质
CN113592606B (zh) 基于多重决策的产品推荐方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant