(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 202210366939.4 (22)申请日 2022.04.08 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518000 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 张旭　周德宇　张倩汶　曹云波　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 周婷婷 (51)Int.Cl. G06F 16/35(2019.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 文本分类方法、 装置和存 储介质及电子设备 (57)摘要 本申请公开了一种文本 分类方法、 装置和存 储介质及电子设备， 本发明实施例可应用于人工 智能场景中， 还可涉及语义理解、 机器人回答等 技术。 其中， 该方法包括： 响应于对待分类文本的 文本分类指令， 将待分类文本输入目标编码器， 其中， 目标编码器为利用携带有第一目标标签的 样本文本 数据进行训练得到的、 用于提取文本的 语义特征的编码网络模型， 第一目标标签用于标 识样本文本数据的N个特征类别， N为自然数； 在 得到目标编码器输出的目标语义特征的情况下， 将目标语义特征输入第一分类器， 得到第一文本 分类结果。 本申请解决了文本分类准确性较低的 技术问题。 权利要求书3页 说明书25页 附图7页 CN 115129861 A 2022.09.30 CN 115129861 A 1.一种文本分类方法， 其特 征在于， 包括： 响应于对待分类文本的文本分类指令， 将所述待分类文本输入目标编码器， 其中， 所述 目标编码器为利用携带有第一目标标签的样本文本数据进 行训练得到的、 用于提取文本的 语义特征的编 码网络模型， 所述第一目标标签用于标识所述样本文本数据的N个特征类别， 所述N为自然数； 在得到所述目标编码器输出的目标语义特征的情况下， 将所述目标语义特征输入第 一 分类器， 得到第一文本 分类结果， 其中， 所述第一分类器为利用携带有第二目标标签的样本 文本数据进行训练得到的、 用于对文本进行分类的分类网络模型， 所述第二 目标标签用于 标识所述样本文本数据的M个特 征类别， 所述M为小于所述 N的自然数。 2.根据权利要求1所述的方法， 其特征在于， 在所述响应于对待分类文本的文本分类指 令， 将所述待分类文本 输入目标编码器之前， 包括： 获取由初始的目标编码器以及第二分类 器构成的第一网络结构； 利用所述携带有第 一目标标签的样本文本数据训练所述第 一网络结构， 得到训练好的 所述目标编码器； 获取由所述目标编码器以及 初始的第一分类 器构成的第二网络结构； 利用所述携带有第 二目标标签的样本文本数据训练所述第 二网络结构， 得到训练好的 所述第一分类 器。 3.根据权利要求2所述的方法， 其特征在于， 所述利用所述携带有第 一目标标签的样本 文本数据训练所述第一网络结构， 得到训练好的所述目标编码器， 包括： 重复以下步骤， 直至得到所述目标编码器： 从多个第一样本文本数据中确定出当前第一样本文本数据， 其中， 所述第一样本文本 数据为携带有所述第一目标 标签的样本文本数据； 将所述当前第 一样本文本数据输入当前目标编码器， 得到所述当前目标编码器输出的 当前第一输出 结果； 在所述当前第 一输出结果满足第 一收敛条件的情况下， 将所述当前目标编码器确定为 所述目标编码器； 在所述当前第 一输出结果不满足所述第 一收敛条件的情况下， 从所述多个第 一样本文 本数据中选择 下一第一样本文本数据确定所述当前第一样本文本数据。 4.根据权利要求2所述的方法， 其特征在于， 所述利用所述携带有第 一目标标签的样本 文本数据训练所述第一网络结构， 得到训练好的所述目标编码器， 包括： 重复以下步骤， 直至得到所述目标编码器： 从多个第一样本文本数据中确定出当前第一样本文本数据， 其中， 所述第一样本文本 数据为携带有所述第一目标 标签的样本文本数据； 将所述当前第 一样本文本数据输入当前目标编码器， 得到所述当前目标编码器输出的 当前第一输出 结果； 将所述当前第 一输出结果输入当前第 二分类器， 得到所述当前第 二分类器输出的当前 第二输出 结果； 在所述当前第 二输出结果满足第 二收敛条件的情况下， 将所述当前目标编码器确定为 所述目标编码器；权　利　要　求　书 1/3 页 2 CN 115129861 A 2在所述当前第 二输出结果不满足所述第 二收敛条件的情况下， 从所述多个第 一样本文 本数据中选择 下一第一样本文本数据确定所述当前第一样本文本数据。 5.根据权利要求2所述的方法， 其特征在于， 所述利用所述携带有第 二目标标签的样本 文本数据训练所述第二网络结构， 得到训练好的所述第一分类 器， 包括： 重复以下步骤， 直至得到所述第一分类 器： 从多个第二样本文本数据中确定出当前第二样本文本数据， 其中， 所述第二样本文本 数据为标记有所述第二目标 标签的样本文本数据； 将所述当前第 二样本文本数据输入所述目标编码器， 得到所述目标编码器输出的编码 输出结果； 将所述编码输出结果输入当前第 一分类器， 得到所述当前第 一分类器输出的当前第 三 输出结果； 在所述当前第 三输出结果满足第 三收敛条件的情况下， 将所述当前第 一分类器确定为 所述第一分类 器； 在所述当前第 三输出结果不满足所述第 三收敛条件的情况下， 从所述多个第 二样本文 本数据中选择 下一第二样本文本数据确定所述当前第二样本文本数据。 6.根据权利要求1所述的方法， 其特征在于， 在所述响应于对待分类文本的文本分类指 令， 将所述待分类文本 输入目标编码器之后， 包括： 在得到所述目标语义特征的情况下， 将所述目标语义特征输入第三分类器， 得到第二 文本分类结果， 其中， 所述第三分类器为利用所述第一 目标标签的样本文本数据进行训练 得到的、 用于对文本进行分类的分类网络模型； 计算所述第二文本分类结果以及所述第一文本分类结果， 得到目标文本分类结果。 7.根据权利要求6所述的方法， 其特征在于， 所述计算所述第 二文本分类结果以及所述 第一文本分类结果， 得到目标文本分类结果， 包括： 获取所述第一分类 器对应的第一计算权 重以及所述第三分类 器对应的第二计算权 重； 利用所述第一计算权重以及所述第二计算权重整合计算所述第一文本分类结果以及 所述第二文本分类结果， 得到所述目标文本分类结果。 8.根据权利要求1至7中任一项所述的方法， 其特征在于， 在所述响应于对待分类文本 的文本分类指令， 将所述待分类文本 输入目标编码器之前， 包括： 获取所述第二目标 标签对应的所述M个特 征类别； 在所述M个第一特征类别的基础上补充P个目标特征类别， 得到所述N个特征类别， 其 中， 所述目标 特征类别不同于所述M个特 征类别中的特 征类别； 根据所述 N个特征类别确定所述第一目标 标签。 9.一种文本分类方法， 其特 征在于， 包括： 获取初始的目标编码器、 第 一分类器以及第二分类器， 其中， 所述目标编码器为用于提 取文本的语义特征的编 码网络模型， 所述第一分类器和所述第二分类器为用于对文本进 行 分类的分类网络模型； 在确定出由初始的目标编码器以及第 二分类器构 成的第一网络结构的情况下， 利用携 带有第一 目标标签的样本文本数据训练所述第一网络结构， 得到训练好的目标编码器， 其 中， 所述第一目标 标签用于标识所述样本文本数据的N个特 征类别， 所述 N为自然数；权　利　要　求　书 2/3 页 3 CN 115129861 A 3