买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湘南学院

摘要：本申请涉及智能文本分类领域，其具体公开了一种文本分类语料库的构建方法及其系统，其以网页内容数据以及以网页主题数据的标签数据作为语料库构建参照数据，并提取出各个语料库构建参照数据的基于全局的动态变化多尺度关联特征，进而以此来构建语料库构建参照数据中的多尺度网页数据关联特征与网页主题的标签之间的数据特征库。再以用户提供的文本数据在高维空间中的全局关联特征作为查询特征，以此来从数据特征库中查询出文本的主题的标签数据特征，进而根据所述主题输出语料库。这样，将基于深度学习的人工智能技术与大数据算法相结合，对待分类文本自动进行主题分类，来智能构建文本语料库，降低了人为因素的影响，提高了语料库构建的准确性。

主权项：1.一种文本分类语料库的构建方法，其特征在于，包括：获取用户提供的文本数据；获取网页主题的标签数据以及网页内容数据；将所述用户提供的文本数据通过包含嵌入层的基于转换器的上下文编码器以得到查询特征向量；将所述网页主题的标签数据以及网页内容数据通过包含嵌入层的基于转换器的上下文编码器以得到多个网页特征向量；将所述多个网页特征向量二维排列为网页特征矩阵后通过包含多个混合卷积层的卷积神经网络模型以得到多尺度网页特征矩阵；将所述查询特征向量与所述多尺度网页特征矩阵进行相乘以得到分类特征向量；对所述分类特征向量进行秩序先验化以得到优化分类特征矩阵；将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示文本的主题的标签；基于所述分类结果输出语料库；其中，对所述分类特征向量进行秩序先验化以得到优化分类特征矩阵，包括：以高斯分布为先验分布，对所述分类特征向量进行基于先验分布的特征表达强化以得到高斯增强分类特征矩阵；计算所述高斯增强分类特征矩阵中各个行向量与所述分类特征向量之间的互信息以得到多个互信息；基于所述多个互信息与预定阈值之间的比较以得到秩序先验化掩码矩阵；计算所述秩序先验化掩码矩阵与所述高斯增强分类特征矩阵之间的按位置点乘以得到优化分类特征矩阵；其中，首先计算所述高斯增强分类特征矩阵中各个行向量与所述分类特征向量之间的互信息以得到多个互信息，所述互信息用于表示强化后的特征表达与原始特征表示之间的相似度，进而，基于所述多个互信息与预定阈值之间的比较以得到秩序先验化掩码矩阵，具体地，如果第i个互信息大于等于预定阈值，则秩序先验化掩码矩阵第i行的向量为[1,1,.....1]；如果第i个互信息小于预定阈值，则秩序先验化掩码矩阵第i行的向量为[0,0,.....0]，接着，计算所述秩序先验化掩码矩阵与所述高斯增强分类特征矩阵之间的按位置点乘以得到优化分类特征矩阵。

全文数据：

权利要求：

百度查询： 湘南学院 文本分类语料库的构建方法及其系统