基于深度学习的文本分类展示方法、装置、设备和介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114564581A(43)申请公布日2022.05.31(21)申请号202210163711.5(22)申请日2022.02.22(71)申请人北京信息科技大学地址100085北京市海淀区清河小营东路12号(72)发明人邓峰杨敬敬陈世强(74)专利代理机构北京唯智勤实知识产权代理事务所(普通合伙)11557专利代理师陈佳(51)Int.Cl.G06F16/35(2019.01)G06F16/34(2019.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书11页附图5页(54)发明名称基于深度学习的文本分类展示方法、装置、设备和介质(57)摘要本公开的实施例公开了基于深度学习的文本分类展示方法、装置、设备和介质。该方法的一具体实施方式包括：响应于检测到用户作用于文本分类确认控件的选择操作，确定目标显示界面中的文本输入框对应的输入文本是否满足文本分类条件；响应于确定输入文本满足文本分类条件，将输入文本确定为初始文本；确定是否存在用户作用于向量分类方式选择控件的操作信息记录；响应于确定存在操作信息记录，根据操作信息记录，将初始文本输入至预先训练的文本分类模型，得到文本分类结果；在目标显示界面中的可视化展示区域对文本分类结果进行可视化展示。该实施方式可以提高文本分类时的分类效率和分类准确率。CN114564581ACN114564581A权利要求书1/2页1.一种文本分类展示方法，包括：响应于检测到用户作用于文本分类确认控件的选择操作，确定目标显示界面中的文本输入框对应的输入文本是否满足文本分类条件；响应于确定所述输入文本满足所述文本分类条件，将所述输入文本确定为初始文本；确定是否存在用户作用于向量分类方式选择控件的操作信息记录；响应于确定存在操作信息记录，根据所述操作信息记录，将所述初始文本输入至预先训练的文本分类模型，得到文本分类结果，其中，所述文本分类模型为基于双向编码的文本分类模型；在所述目标显示界面中的可视化展示区域对所述文本分类结果进行可视化展示。2.根据权利要求1所述的方法，其中，所述文本分类模型包括文本预处理层、特征提取层、降维层、隐藏层、注意力层和输出层。3.根据权利要求1所述的方法，其中，所述文本分类模型是通过以下方式训练得到的：获取样本集合，其中，所述样本集合中的样本包括样本文本，以及与所述样本文本对应的样本文本分类结果；基于样本集合执行以下训练步骤：将样本集合中的至少一个样本包括的样本文本分别输入至初始神经网络，得到所述至少一个样本中的每个样本对应的文本分类结果；将所述至少一个样本中的每个样本对应的文本分类结果与对应的样本文本分类结果进行比较；根据比较结果确定初始神经网络是否达到预设的优化目标；响应于确定初始神经网络达到所述优化目标，将初始神经网络确定为训练完成的文本分类模型。4.根据权利要求3所述的方法，其中，训练得到所述文本分类模型的步骤还包括：响应于确定初始神经网络未达到所述优化目标，调整初始神经网络的参数，以及使用未用过的样本组成样本集合，使用调整后的初始神经网络作为初始神经网络，再次执行所述训练步骤。5.根据权利要求1所述的方法，其中，所述方法还包括：将得到所述文本分类结果的时间和预设识别成功语料组合为文本识别成功日志；在所述目标显示界面中的日志展示区域对所述文本识别成功日志进行展示。6.根据权利要求1所述的方法，其中，在所述确定目标显示界面中的文本输入框对应的输入文本是否满足文本分类条件之后，所述方法还包括：响应于确定所述输入文本不满足所述文本分类条件，在所述目标显示界面中展示文本输入提示弹窗。7.根据权利要求1‑6之一所述的方法，其中，所述方法还包括：响应于确定不存在操作信息记录，根据默认文本向量分类方式，将所述初始文本输入至预先训练的文本分类模型，得到文本分类结果。8.一种文本分类展示装置，包括：第一确定单元，被配置成响应于检测到用户作用于文本分类确认控件的选择操作，确定目标显示界面中的文本输入框对应的输入文本是否满足文本分类条件；2CN114564581A权利要求书2/2页第二确定单元，被配置成响应于确定所述输入文本满足所述文本分类条件，将所述输入文本确定为初始文本；第三确定单元，被配置成确定是否存在用户作用于向量分类方式选择控件的操作信息记录；输入单元，被配置成响应于确定存在操作信息记录，根据所述操作信息记录，将所述初始文本输入至预先训练的文本分类模型，得到文本分类结果；展示单元，被配置成在所述目标显示界面中的可视化展示区域对所述文本分类结果进行可视化展示。9.一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行