申请/专利权人：中国科学技术大学

申请日：2020-12-07

公开（公告）日：2024-05-24

公开（公告）号：CN112559744B

主分类号：G06F16/35

分类号：G06F16/35;G06F18/2415;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.24#授权;2021.04.13#实质审查的生效;2021.03.26#公开

摘要：本发明提供一种基于部首联想机制的汉语文本分类方法及装置，方法包括获取待分类汉语文本的字符级特征和形声字部首集合；根据形声字部首集合中的部首，得到对应的联想词集合；将字符级特征和所述联想词集合，输入到预先训练好的汉语文本分类模型，得到汉语文本分类模型输出的待分类汉语文本的分类标签。本发明通过待分类汉语文本中形声字部首，获取对应的联想词，并基于联想词集合和字符级特征确定待分类汉语文本的分类标签，相比于传统依靠文本的字面特征进行分类方式，更符合汉语自身特点以及表意文字和人类认知过程的基本原理，提高了汉语文本分类的准确性。

主权项：1.一种基于部首联想机制的汉语文本分类方法，其特征在于，包括：获取待分类汉语文本的字符级特征和形声字部首集合；根据所述形声字部首集合中的部首，得到对应的联想词集合；将所述字符级特征和所述联想词集合，输入到预先训练好的汉语文本分类模型，得到所述汉语文本分类模型输出的所述待分类汉语文本的分类标签；将所述字符级特征和所述联想词集合，输入到预先训练好的汉语文本分类模型，得到所述待分类汉语文本的分类标签，包括：将所述字符级特征输入到BERT模型，得到所述BERT模型输出的所述待分类汉语文本的文本表征向量和所述待分类汉语文本的字符表征向量；将所述待分类汉语文本的字符表征向量输入到BiLSTM模型，得到所述BiLSTM模型深度优化后的所述待分类汉语文本的字符表征向量；将所述联想词集合输入到嵌入层，得到所述嵌入层输出的联想词表征向量；计算得到联想词表征向量分别在所述待分类汉语文本的文本表征向量和所述深度优化后的所述待分类汉语文本的字符表征向量下的注意力权重向量；对每个所述注意力权重向量进行归一化处理，得到两个归一化处理后的注意力权重向量；利用所述两个归一化处理后的注意力权重，分别对所述联想词表征向量中的向量进行加权求和，得到两个联想词表征；将所述两个联想词表征、所述待分类汉语文本的文本表征向量以及所述深度优化后的所述待分类汉语文本的字符表征向量进行拼接后，输入到全连接神经网络；通过softmax函数和argmax函数对所述全连接神经网络的输出进行处理，得到所述待分类汉语文本的分类标签。

全文数据：

权利要求：

百度查询： 中国科学技术大学 一种基于部首联想机制的汉语文本分类方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD