(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210484210.7 (22)申请日 2022.05.06 (71)申请人 深圳追一科技有限公司 地址 518057 广东省深圳市南 山区粤海街 道科技园社区科苑路8号讯美科技广 场3号楼23A、 23B (72)发明人 刘赫阳　林仕锋　梁昊远　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 王山林 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/335(2019.01) G06F 40/194(2020.01) G06F 40/30(2020.01)G06K 9/62(2022.01) (54)发明名称 文本分类方法、 装置、 计算机设备和存储介 质 (57)摘要 本申请涉及一种文本分类方法、 装置、 计算 机设备和存储介质。 所述方法包括： 从文本数据 中检索与所述文本数据中的关键词匹配的语句， 得到类簇中心句； 从所述文本数据中检索所述类 簇中心句的相似句； 基于所述类簇中心句和所述 相似句， 得到第一类簇； 对所述文本数据中除所 述第一类簇外的语句聚类， 得到至少一个第二类 簇； 基于所述第一类簇和所述第二类簇， 确定所 述文本数据对应的类别标签。 采用本方法能够降 低文本分类的成本 。 权利要求书2页 说明书12页 附图4页 CN 115129864 A 2022.09.30 CN 115129864 A 1.一种文本分类方法， 其特 征在于， 所述方法包括： 从文本数据中检索与所述文本数据中的关键词匹配的语句， 得到类簇中心句； 从所述文本数据中检索所述类簇中心句的相似句； 基于所述类簇中心句和所述相似句， 得到第一类簇； 对所述文本数据中除所述第一类簇 外的语句聚类， 得到 至少一个第二类簇； 基于所述第一类簇和所述第二类簇， 确定所述文本数据对应的类别标签。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 若所述文本数据是流式数据， 则基于所述文本数据中各词的增长情况， 从文本数据中 提取出关键词； 若所述文本数据是非流式数据， 则基于所述文本数据中各词的数量占比， 从文本数据 中提取出关键词。 3.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 从所述文本数据中提取关键词； 确定从提取的关键词中筛 选出的种子关键词； 所述从文本数据中检索与所述文本数据中的关键词匹配的语句， 得到类簇中心句包 括： 从所述文本数据中检索出与所述种子关键词语义接 近的语句， 得到类簇中心句。 4.根据权利要求1所述的方法， 其特征在于， 所述对所述文本数据中除所述第 一类簇外 的语句聚类， 得到 至少一个第二类簇包括： 对所述文本数据中除所述第一类簇 外的语句聚类， 得到 至少一个初始类簇； 针对每个初始类簇， 从所述初始类簇的多个 语句中确定所述初始类簇的类簇中心句； 基于所述初始类簇 中的类簇中心句和多个语句之间的距离， 确定所述初始类簇的噪音 语句； 按照所述噪音语句针对所述初始类簇中的语句进行 过滤， 得到第二类簇 。 5.根据权利要求1所述的方法， 其特征在于， 所述对所述文本数据中除所述第 一类簇外 的语句聚类， 得到 至少一个第二类簇包括： 对所述文本数据中除所述第一类簇 外的语句聚类， 得到 至少一个初始类簇； 确定各所述初始类簇的类簇密度； 基于所述类簇密度对所述至少一个初始类簇进行类簇过滤， 得到过滤后剩余的第 二类 簇。 6.根据权利要求1至5任一项所述的方法， 其特征在于， 所述基于所述第一类簇和所述 第二类簇， 确定所述文本数据对应的类别标签包括： 确定所述文本数据中的各类簇分别对应的类簇关键词； 所述文本数据中的各类簇包括 所述第一类簇和所述第二类簇； 从所述文本数据中的多个 类簇中确定各类簇分别对应的相似类簇； 基于各类簇分别对应的相似类簇和类簇关键词， 确定所述文本数据对应的类别标签。 7.根据权利要求6所述的方法， 其特征在于， 所述从所述文本数据中的多个类簇 中确定 各类簇分别对应的相似类簇包括： 分别确定各类簇的类簇中心句；权　利　要　求　书 1/2 页 2 CN 115129864 A 2通过对各类簇的类簇中心句之间的相似度比对， 从所述文本数据的多个类簇中确定各 类簇分别对应的相似类簇 。 8.一种文本分类装置， 其特 征在于， 所述装置包括： 聚类模块， 用于从文本数据中检索与所述文本数据中的关键词 匹配的语句， 得到类簇 中心句； 从所述文本数据中检索所述类簇中心句的相似句； 基于所述类簇中心句和所述相 似句， 得到第一类簇； 对所述文本数据中除所述第一类簇外的语句聚类， 得到至少一个第二 类簇； 确定模块， 用于基于所述第一类簇和所述第二类簇， 确定所述文本数据对应的类别标 签。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 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7中任一项所述的方法的步骤。 10.一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7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115129864 A 3