CN113761181A - 一种文本分类方法和装置 - Google Patents
一种文本分类方法和装置 Download PDFInfo
- Publication number
- CN113761181A CN113761181A CN202010542761.5A CN202010542761A CN113761181A CN 113761181 A CN113761181 A CN 113761181A CN 202010542761 A CN202010542761 A CN 202010542761A CN 113761181 A CN113761181 A CN 113761181A
- Authority
- CN
- China
- Prior art keywords
- text
- training
- classification
- training text
- classification model
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 234
- 238000013145 classification model Methods 0.000 claims abstract description 97
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000002372 labelling Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种文本分类方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据第一系统的第一训练文本及所述第一训练文本的类别标签训练预设的初始分类模型，得到文本分类模型；根据所述第一训练文本及其类别标签、第二系统的第二训练文本训练所述文本分类模型，得到预测模型；将所述第二系统的预测样本输入所述预测模型，得到所述预测样本的类别标签。该实施方式能够降低文本分类的成本，缩短文本分类的时间。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种文本分类方法和装置。
背景技术
在实际应用场景中，常常需要对用户反馈的文本进行分类，以确定用户反馈的问题所属的类别。目前，一般通过用户反馈的文本及其类别标签训练分类模型，利用训练后的分类模型预测文本所属的类别。
在系统升级的过程中，数据的风格会产生变化。对于同一类别的问题，在不同系统中可能存在不同的表述，例如，文本的长短和文本的用词发生变化。以第一系统升级至第二系统为例，为了适应系统的变化，现有技术对从第二系统中获取的文本进行标注，重新训练分类模型。
但是，由于需要标注大量的文本，现有技术对文本进行分类的成本较高，而且，需要花费较长的时间。
发明内容
有鉴于此，本发明实施例提供一种文本分类方法和装置，能够降低文本分类的成本，缩短文本分类的时间。
第一方面，本发明实施例提供了一种文本分类方法，包括：
根据第一系统的第一训练文本及所述第一训练文本的类别标签训练预设的初始分类模型，得到文本分类模型；
根据所述第一训练文本及其类别标签、第二系统的第二训练文本训练所述文本分类模型，得到预测模型；
将所述第二系统的预测样本输入所述预测模型，得到所述预测样本的类别标签。
可选地，
所述根据所述第一训练文本及其类别标签、第二系统的第二训练文本训练所述文本分类模型，得到预测模型，包括：
根据经过k-1次训练的文本分类模型，确定所述第二训练文本第k 次分类的类别标签；
根据所述第一训练文本及其类别标签、所述第二训练文本及第二训练文本第k次分类的类别标签训练经过k-1次训练的文本分类模型；
根据经过k次训练的文本分类模型，确定所述第二训练文本第k+1 次分类的类别标签；
确定第二训练文本第k次和第k+1次分类的类别标签是否满足预设的相似条件，如果是，确定经过k次训练的文本分类模型为所述预测模型，否则，将k更新为k+1后执行所述根据经过k-1次训练的文本分类模型，确定所述第二训练文本第k次分类的类别标签；
其中，k为大于0的整数。
可选地，
所述相似条件，包括：第二训练文本第k次和第k+1次分类的类别标签的重合率大于相似阈值。
可选地，
所述初始分类模型，包括：BERT(Bidirectional Encoder Representations fromTransformers，基于Transformer的双向编码器表征)模型和全连接层。
可选地，
进一步包括：
确定超参数；其中，所述超参数用于控制所述第一训练文本和所述第二训练文本对损失值的影响程度；
根据所述超参数，确定所述损失函数；
所述根据所述第一训练文本及其类别标签、所述第二训练文本及第二训练文本第k次分类的类别标签训练经过k-1次训练的文本分类模型，包括：
根据所述损失函数、所述第一训练文本及其类别标签、所述第二训练文本及其第k次分类的类别标签训练经过k-1次训练的文本分类模型。
可选地，
进一步包括：
确定验证文本及其类别标签；
根据所述验证文本及其类别标签，确定所述超参数对应的分类准确率；
根据所述分类准确率调整所述超参数。
第二方面，本发明实施例提供了一种文本分类装置，包括：
第一训练模块，配置为根据第一系统的第一训练文本及所述第一训练文本的类别标签训练预设的初始分类模型，得到文本分类模型；
第二训练模块，配置为根据所述第一训练文本及其类别标签、第二系统的第二训练文本训练所述文本分类模型，得到预测模型；
预测模块，配置为将所述第二系统的预测样本输入所述预测模型，得到所述预测样本的类别标签。
可选地，
所述第二训练模块，配置为根据经过k-1次训练的文本分类模型，确定所述第二训练文本第k次分类的类别标签；根据所述第一训练文本及其类别标签、所述第二训练文本及第二训练文本第k次分类的类别标签训练经过k-1次训练的文本分类模型；根据经过k次训练的文本分类模型，确定所述第二训练文本第k+1次分类的类别标签；确定第二训练文本第k次和第k+1次分类的类别标签是否满足预设的相似条件，如果是，确定经过k次训练的文本分类模型为所述预测模型，否则，将k更新为k+1后执行所述根据经过k-1次训练的文本分类模型，确定所述第二训练文本第k次分类的类别标签；
其中，k为大于0的整数。
第三方面，本发明实施例提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。
第四方面，本发明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，所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：考虑到系统变化前后，文本的类别标签是一致的，因此，本发明实施例基于第一系统的第一训练文本和第二系统的第二训练文本对文本分类模型进行训练，使得到的预测模型能够对第二系统产生的预测样本进行分类。本发明实施例不需要对第二训练文本进行标注，能够节省标注的成本，提高文本分类的效率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是本发明的一个实施例提供的一种文本分类方法的流程图；
图2是本发明的另一个实施例提供的一种文本分类方法的流程图；
图3是本发明的一个实施例提供的一种文本分类装置的示意图；
图4是本发明实施例可以应用于其中的示例性系统架构图；
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
当第一系统转变为第二系统时，现有技术对从第二系统中获取的文本进行标注，以确定文本的类别标签，并根据该文本及其标签训练分类模型。
但是，由于需要标注大量的文本，现有技术对文本进行分类的成本较高。另外，第二系统产生训练需要的文本需要一定的时间，只有当文本积累到一定数量后，才能够训练分类模型，因此，现有技术需要花费较长的时间。
鉴于此，如图1所示，本发明实施例提供了一种文本分类方法，包括：
步骤101：根据第一系统的第一训练文本及第一训练文本的类别标签训练预设的初始分类模型，得到文本分类模型。
第一系统为系统升级前的旧系统，第二系统为系统升级后的新系统。第一训练文本为旧系统产生的用户反馈文本。
虽然第一系统和第二系统产生的用户反馈文本的风格发生变化，但是，两者的用户反馈文本所涉及的类别是相同的，例如，第一系统涉及产品质量问题、售后服务问题、发货问题，则第二系统产生的用户反馈文本的类别属于产品质量问题、售后服务问题和发货问题中一种。需要说明的是，本发明实施例提到的第一训练文本的类别标签为第一训练文本的实际类别标签。
因此，本发明实施例基于第一训练文本训练得到文本分类模型，以便于确定第二训练文本的标签类别，避免对第二训练文本进行标注，能够节省标注时间和成本。
步骤102：根据第一训练文本及其类别标签、第二系统的第二训练文本训练文本分类模型，得到预测模型。
第二训练文本为新系统产生的用户反馈文本。
步骤103：将第二系统的预测样本输入预测模型，得到预测样本的类别标签。
第二训练文本可以是1-6月份的用户反馈文本，而预测样本可以是 7月份的用户反馈文本。
考虑到系统变化前后，文本的类别标签是一致的，因此，本发明实施例基于第一系统的第一训练文本和第二系统的第二训练文本对文本分类模型进行训练，使得到的预测模型能够对第二系统产生的预测样本进行分类。本发明实施例不需要对第二训练文本进行标注，能够节省标注的成本，提高文本分类的效率。
在本发明的一个实施例中，根据第一训练文本及其类别标签、第二系统的第二训练文本训练文本分类模型，得到预测模型，包括：
根据经过k-1次训练的文本分类模型，确定第二训练文本第k次分类的类别标签；
根据第一训练文本及其类别标签、第二训练文本及第二训练文本第k次分类的类别标签训练经过k-1次训练的文本分类模型；
根据经过k次训练的文本分类模型，确定第二训练文本第k+1次分类的类别标签；
确定第二训练文本第k次和第k+1次分类的类别标签是否满足预设的相似条件，如果是，确定经过k次训练的文本分类模型为预测模型，否则，将k更新为k+1后执行根据经过k-1次训练的文本分类模型，确定第二训练文本第k次分类的类别标签；
其中，k为大于0的整数。
在本发明实施例中，如果k＝1，则经过0次训练的文本分类模型指的是由初始分类模型训练得到的文本分类模型。如果第二训练文本第k 次和第k+1次分类的类别标签满足预设的相似条件，则说明第二训练文本前后两次的分类结果相似程度大，可以终止训练过程。
在本发明的一个实施例中，相似条件，包括：第二训练文本第k 次和第k+1次分类的类别标签的重合率大于相似阈值。
例如，第二训练文本第k次和第k+1次分类的类别标签的重合率＝第二训练文本第k次和第k+1次分类的类别标签相同的第二训练文本的数量/第二训练文本的总数量。例如，第二训练文本包括A、B、C、 D，第1次分类的类别标签分别为A1、B1、C1、D1，第2次分类的类别标签分别为A1、B1、C2、D2，则第二训练文本第1次和第2次分类的类别标签的重合率＝2/4。
其中，相似阈值可以根据实际业务需求进行调整，例如，在一个对分类结果要求较高的场景下，相似阈值为99％，在另一个对分类结果要求较低的场景下，相似阈值为90％。
在本发明的一个实施例中，初始分类模型，包括：BERT模型和全连接层。
在本发明实施例中，对第一训练文本进行预处理，对经过预处理的第一训练文本进行分词，得到若干字符，对各个字符进行编码，将编码结果输入BERT模型，将BERT模型的输出结果输入全连接层。
预处理用于去除不规范字符，其中，不规范字符可以根据实际应用场景的需求确定，例如，在某一场景下，不规范字符为“～”。
与之类似，在根据第二训练文本训练经过k-1次训练的文本分类模型时，对第二训练文本也需要进行预处理、分词、编码等。
本发明实施例利用BERT模型在自然语言处理中的优势，提高对文本分类的准确性。在实际应用场景中，初始分类模型还可以为RNN (Recurrent Neural Network，循环网络模型)、TextCNN(Text Convolutional Neural Networks，文本卷积神经网络)等。
在本发明的一个实施例中，该方法还包括：
确定超参数；其中，超参数用于控制第一训练文本和第二训练文本对损失值的影响程度；
根据超参数，确定损失函数；
根据第一训练文本及其类别标签、第二训练文本及第二训练文本第k次分类的类别标签训练经过k-1次训练的文本分类模型，包括：
根据损失函数、第一训练文本及其类别标签、第二训练文本及其第k次分类的类别标签训练经过k-1次训练的文本分类模型。
在本发明实施例中，损失函数包括：
其中，loss用于表征第k次训练的损失值，Batchl用于表征第一训练文本的数量，Batchu用于表征第二训练文本的数量，λ用于表征超参数，CE(·)为交叉熵损失函数，
为第i个第一训练文本，
为第i个第一训练文本的实际类别标签，
为第i个第一训练文本第k次分类的预测类别标签，
为第i个第二训练文本，
为第i个第二训练文本第k次分类的预测类别标签，
为第i个第二训练文本第k+1次分类的预测类别标签,。
以第一次训练文本分类模型为例，
为第i个第一训练文本第1 次分类的预测类别标签，
为第i个第二训练文本第2次分类的预测类别标签。
本发明实施例通过λ调整第一训练文本和第二训练文本对loss的影响程度。
在本发明的一个实施例中，该方法还包括：
确定验证文本及其类别标签；
根据验证文本及其类别标签，确定超参数对应的分类准确率；
根据分类准确率调整超参数。
该验证文本为第二系统产生的用户反馈文本，通过分类准确率调整超参数的值，使得最终的预测结果更加准确。
如图2所示，本发明实施例提供了一种文本分类方法，包括：
步骤201：根据第一系统的第一训练文本及第一训练文本的类别标签训练预设的初始分类模型，得到文本分类模型。
初始分类模型包括：BERT模型和全连接层。
利用大量第一训练样本训练初始分类模型，其中，对每个第一训练样本的处理过程包括：对第一训练文本及其类别标签进行预处理，对预处理结果进行编码，将编码结果输入BERT模型，将BERT模型的输出作为全连接层的输入，根据全连接层的输出训练初始分类模型。
在该步骤中，可以采用现有的交叉熵损失函数训练初始分类模型。
步骤202：根据经过k-1次训练的文本分类模型，确定第二训练文本第k次分类的类别标签。
对第二训练文本进行预处理，对预处理结果进行编码，将编码结果输入文本分类模型，得到第二训练文本的分类标签。其中，k为大于 0的整数。
步骤203：确定超参数；其中，超参数用于控制第一训练文本和第二训练文本对损失值的影响程度。
在首次训练的时候，该超参数等于预设值，在后续训练的过程中，通过验证文本对超参数进行调整。
步骤204：根据超参数，确定损失函数。
根据式(1)确定损失函数。
步骤205：根据损失函数、第一训练文本及其类别标签、第二训练文本及其第k次分类的类别标签训练经过k-1次训练的文本分类模型。
步骤206：根据经过k次训练的文本分类模型，确定第二训练文本第k+1次分类的类别标签。
步骤207：确定第二训练文本第k次和第k+1次分类的类别标签的重合率是否大于相似阈值，如果是，执行步骤208，否则，将k更新为 k+1后执行步骤202。
步骤208：确定经过k次训练的文本分类模型为预测模型。
步骤209：将第二系统的预测样本输入预测模型，得到预测样本的类别标签。
本发明实施例基于第一训练文本及其类别标签，以及第二训练文本及分类得到的类别标签对文本分类模型进行训练，得到预测模型。该方法由第一训练文本训练得到的初始分类模型确定第二训练文本第 1次分类的类别标签，无需人工标注，能够节省标注的成本和时间，提高文本分类的效率。
如图3所示，本发明实施例提供了一种文本分类装置，包括：
第一训练模块301，配置为根据第一系统的第一训练文本及第一训练文本的类别标签训练预设的初始分类模型，得到文本分类模型；
第二训练模块302，配置为根据第一训练文本及其类别标签、第二系统的第二训练文本训练文本分类模型，得到预测模型；
预测模块303，配置为将第二系统的预测样本输入预测模型，得到预测样本的类别标签。
在本发明的一个实施例中，第二训练模块302，配置为根据经过 k-1次训练的文本分类模型，确定第二训练文本第k次分类的类别标签；根据第一训练文本及其类别标签、第二训练文本及第二训练文本第k 次分类的类别标签训练经过k-1次训练的文本分类模型；根据经过k 次训练的文本分类模型，确定第二训练文本第k+1次分类的类别标签；确定第二训练文本第k次和第k+1次分类的类别标签是否满足预设的相似条件，如果是，确定经过k次训练的文本分类模型为预测模型，否则，将k更新为k+1后执行根据经过k-1次训练的文本分类模型，确定第二训练文本第k次分类的类别标签；
其中，k为大于0的整数。
在本发明的一个实施例中，相似条件，包括：第二训练文本第k 次和第k+1次分类的类别标签的重合率大于相似阈值。
在本发明的一个实施例中，初始分类模型，包括：基于Transformer 的双向编码器表征BERT模型和全连接层。
在本发明的一个实施例中，第二训练模块302，配置为确定超参数；其中，超参数用于控制第一训练文本和第二训练文本对损失值的影响程度；根据超参数，确定损失函数；根据损失函数、第一训练文本及其类别标签、第二训练文本及其第k次分类的类别标签训练经过k-1 次训练的文本分类模型。
在本发明的一个实施例中，第二训练模块302，配置为确定验证文本；根据验证文本确定超参数对应的分类准确率；根据分类准确率调整超参数。
本发明实施例提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述任一实施例的方法。
图4示出了可以应用本发明实施例的文本分类方法或文本分类装置的示例性系统架构400。
如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405 交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器 (仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息-- 仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的文本分类方法一般由服务器405执行，相应地，文本分类装置一般设置于服务器405中。
应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508 加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/ 输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明公开的实施例，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，本发明公开的实施例包括一种计算机程序产品，其包括承载在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部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU) 501执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示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。在本发明中，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。而在本发明中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。
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一个该设备执行时，使得该设备包括：
根据第一系统的第一训练文本及所述第一训练文本的类别标签训练预设的初始分类模型，得到文本分类模型；
根据所述第一训练文本及其类别标签、第二系统的第二训练文本训练所述文本分类模型，得到预测模型；
将所述第二系统的预测样本输入所述预测模型，得到所述预测样本的类别标签。
根据本发明实施例的技术方案，基于第一系统的第一训练文本和第二系统的第二训练文本对文本分类模型进行训练，使得到的预测模型能够对第二系统产生的预测样本进行分类。本发明实施例不需要对第二训练文本进行标注，能够节省标注的成本，提高文本分类的效率。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种文本分类方法，其特征在于，包括：
根据第一系统的第一训练文本及所述第一训练文本的类别标签训练预设的初始分类模型，得到文本分类模型；
根据所述第一训练文本及其类别标签、第二系统的第二训练文本训练所述文本分类模型，得到预测模型；
将所述第二系统的预测样本输入所述预测模型，得到所述预测样本的类别标签。
2.如权利要求1所述的方法，其特征在于，
所述根据所述第一训练文本及其类别标签、第二系统的第二训练文本训练所述文本分类模型，得到预测模型，包括：
根据经过k-1次训练的文本分类模型，确定所述第二训练文本第k次分类的类别标签；
根据所述第一训练文本及其类别标签、所述第二训练文本及第二训练文本第k次分类的类别标签训练经过k-1次训练的文本分类模型；
根据经过k次训练的文本分类模型，确定所述第二训练文本第k+1次分类的类别标签；
确定第二训练文本第k次和第k+1次分类的类别标签是否满足预设的相似条件，如果是，确定经过k次训练的文本分类模型为所述预测模型，否则，将k更新为k+1后执行所述根据经过k-1次训练的文本分类模型，确定所述第二训练文本第k次分类的类别标签；
其中，k为大于0的整数。
3.如权利要求2所述的方法，其特征在于，
所述相似条件，包括：第二训练文本第k次和第k+1次分类的类别标签的重合率大于相似阈值。
4.如权利要求1所述的方法，其特征在于，
所述初始分类模型，包括：基于Transformer的双向编码器表征BERT模型和全连接层。
5.如权利要求1所述的方法，其特征在于，进一步包括：
确定超参数；其中，所述超参数用于控制所述第一训练文本和所述第二训练文本对损失值的影响程度；
根据所述超参数，确定所述损失函数；
所述根据所述第一训练文本及其类别标签、所述第二训练文本及第二训练文本第k次分类的类别标签训练经过k-1次训练的文本分类模型，包括：
根据所述损失函数、所述第一训练文本及其类别标签、所述第二训练文本及其第k次分类的类别标签训练经过k-1次训练的文本分类模型。
6.如权利要求5所述的方法，其特征在于，进一步包括：
确定验证文本；
根据所述验证文本确定所述超参数对应的分类准确率；
根据所述分类准确率调整所述超参数。
7.一种文本分类装置，其特征在于，包括：
第一训练模块，配置为根据第一系统的第一训练文本及所述第一训练文本的类别标签训练预设的初始分类模型，得到文本分类模型；
第二训练模块，配置为根据所述第一训练文本及其类别标签、第二系统的第二训练文本训练所述文本分类模型，得到预测模型；
预测模块，配置为将所述第二系统的预测样本输入所述预测模型，得到所述预测样本的类别标签。
8.如权利要求1所述的装置，其特征在于，
所述第二训练模块，配置为根据经过k-1次训练的文本分类模型，确定所述第二训练文本第k次分类的类别标签；根据所述第一训练文本及其类别标签、所述第二训练文本及第二训练文本第k次分类的类别标签训练经过k-1次训练的文本分类模型；根据经过k次训练的文本分类模型，确定所述第二训练文本第k+1次分类的类别标签；确定第二训练文本第k次和第k+1次分类的类别标签是否满足预设的相似条件，如果是，确定经过k次训练的文本分类模型为所述预测模型，否则，将k更新为k+1后执行所述根据经过k-1次训练的文本分类模型，确定所述第二训练文本第k次分类的类别标签；
其中，k为大于0的整数。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
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，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010542761.5A CN113761181B (zh) | 2020-06-15 | 2020-06-15 | 一种文本分类方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010542761.5A CN113761181B (zh) | 2020-06-15 | 2020-06-15 | 一种文本分类方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113761181A true CN113761181A (zh) | 2021-12-07 |
| CN113761181B CN113761181B (zh) | 2024-06-14 |
Family
ID=78785387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010542761.5A Active CN113761181B (zh) | 2020-06-15 | 2020-06-15 | 一种文本分类方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113761181B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108875072A (zh) * | 2018-07-05 | 2018-11-23 | 第四范式（北京）技术有限公司 | 文本分类方法、装置、设备以及存储介质 |
| US20190034823A1 (en) * | 2017-07-27 | 2019-01-31 | Getgo, Inc. | Real time learning of text classification models for fast and efficient labeling of training data and customization |
| CN109598331A (zh) * | 2018-12-04 | 2019-04-09 | 北京芯盾时代科技有限公司 | 一种欺诈识别模型训练方法、欺诈识别方法及装置 |
| CN109886342A (zh) * | 2019-02-26 | 2019-06-14 | 视睿（杭州）信息科技有限公司 | 基于机器学习的模型训练方法和装置 |
| CN110188798A (zh) * | 2019-04-28 | 2019-08-30 | 阿里巴巴集团控股有限公司 | 一种对象分类方法及模型训练方法和装置 |
| CN110457476A (zh) * | 2019-08-06 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于生成分类模型的方法和装置 |
| CN110569359A (zh) * | 2019-08-26 | 2019-12-13 | 腾讯科技（深圳）有限公司 | 识别模型的训练及应用方法、装置、计算设备及存储介质 |
-
2020
- 2020-06-15 CN CN202010542761.5A patent/CN113761181B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190034823A1 (en) * | 2017-07-27 | 2019-01-31 | Getgo, Inc. | Real time learning of text classification models for fast and efficient labeling of training data and customization |
| CN108875072A (zh) * | 2018-07-05 | 2018-11-23 | 第四范式（北京）技术有限公司 | 文本分类方法、装置、设备以及存储介质 |
| CN109598331A (zh) * | 2018-12-04 | 2019-04-09 | 北京芯盾时代科技有限公司 | 一种欺诈识别模型训练方法、欺诈识别方法及装置 |
| CN109886342A (zh) * | 2019-02-26 | 2019-06-14 | 视睿（杭州）信息科技有限公司 | 基于机器学习的模型训练方法和装置 |
| CN110188798A (zh) * | 2019-04-28 | 2019-08-30 | 阿里巴巴集团控股有限公司 | 一种对象分类方法及模型训练方法和装置 |
| CN110457476A (zh) * | 2019-08-06 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于生成分类模型的方法和装置 |
| CN110569359A (zh) * | 2019-08-26 | 2019-12-13 | 腾讯科技（深圳）有限公司 | 识别模型的训练及应用方法、装置、计算设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| BABAK MALEKI SHOJA 等: "Customer Reviews Analysis With Deep Neural Networks for E-Commerce Recommender Systems", IEEE ACCESS, 26 August 2019 (2019-08-26) * |
| 杨玮祺;杜晔;: "基于预训练模型的文本分类网络TextCGA", 现代计算机, no. 12, 25 April 2020 (2020-04-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113761181B (zh) | 2024-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11062089B2 (en) | Method and apparatus for generating information | |
| CN111177319B (zh) | 风险事件的确定方法、装置、电子设备和存储介质 | |
| CN108628830B (zh) | 一种语义识别的方法和装置 | |
| CN112527649A (zh) | 一种测试用例的生成方法和装置 | |
| CN110659657B (zh) | 训练模型的方法和装置 | |
| CN111061881A (zh) | 文本分类方法、设备及存储介质 | |
| CN110119445B (zh) | 生成特征向量和基于特征向量进行文本分类的方法和装置 | |
| CN111368551B (zh) | 一种确定事件主体的方法和装置 | |
| CN110705271B (zh) | 一种提供自然语言处理服务的系统及方法 | |
| CN109190123A (zh) | 用于输出信息的方法和装置 | |
| CN113408507B (zh) | 基于履历文件的命名实体识别方法、装置和电子设备 | |
| CN113111167B (zh) | 基于深度学习模型的接处警文本车辆型号提取方法和装置 | |
| CN110807097A (zh) | 分析数据的方法和装置 | |
| CN114036921A (zh) | 一种政策信息匹配方法和装置 | |
| CN112100291A (zh) | 一种数据分箱的方法和装置 | |
| CN113761181B (zh) | 一种文本分类方法和装置 | |
| CN116933189A (zh) | 一种数据检测方法和装置 | |
| CN114819679A (zh) | 一种客服会话质检方法和装置 | |
| CN111079185B (zh) | 数据库信息处理的方法、装置、存储介质及电子设备 | |
| CN113806485A (zh) | 一种基于小样本冷启动的意图识别方法、装置及可读介质 | |
| CN112487765A (zh) | 一种生成通知文本的方法和装置 | |
| CN111783572A (zh) | 一种文本检测方法和装置 | |
| CN113066479A (zh) | 一种评测模型的方法和装置 | |
| CN111754062B (zh) | 物品质量检测模型建立的方法和装置 | |
| CN118095426B (zh) | 点击行为预测模型训练方法、装置、电子设备与可读介质 |
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 |