本发明专利技术公开一种交流平台文本分类方法及装置，其方法包括采用预设的分类模型对交流平台主文本进行区分；当根据区分结果判定主文本为提问文本时，通过预设的相关性算法，计算获取主文本的回复文本与主文本的相关性分值；根据相关性分值区分主文本为有答案提问文本或无答案提问文本。本发明专利技术实现了对交流平台文本的有效分类，获取交流平台的文本是否为提问贴；对于判定为提问贴的文本，获取到回复文本对主文本提问需求的解答贡献，从而有效解决了区分文本是否有真实提问需求，以及提问需求是否被有效满足的问题，同时，为后台对问题文本的排序展示及用户查询提供了依据，便于论坛资源分享与管理。
【技术实现步骤摘要】
本专利技术涉及互联网
，尤其涉及一种交流平台文本分类方法及装置。
技术介绍
在互联网中，论坛一般用来发布信息，为用户提供一个在线交流讨论的平台。通常论坛中发布的信息包括主贴和回帖，其中，主贴是指论坛话题发起的第一条记录，一般包括话题的标题和话题的正文；回帖是指与主题相关，按照发帖时间的先后顺序，排列在主贴后的内容，一般包括对话题的讨论、评论、话题讨论者之间的交流和分享等。为了判断一篇帖子提出的问题，是否被回帖回答，或者被回帖有效讨论，需要对论坛中的文章进行分类，并以此获取论坛话题讨论效果或获取论坛综合评价，便于后台对论坛资源进行有效管理。传统的文本分类方法，通常是根据预先标注好的语料，进行特征选取，然后利用这些特征在训练语料上训练出一个模型，并利用这个模型对新的文本进行分类预测。但是，论坛中的文章，由于与传统文本分类具有很大差异，使得传统的文本分类方法并不完全适用于论坛文章的分类，其主要体现在以下几点：1、传统文本的结构比较简单。比如，网页中的一篇文章，一般包括标题和正文两段文本。但是论坛中的文章，是一种类似对话形式的组织结构，比如，一篇帖子，一般包括主贴的标题和正文，除此之外，还有很多篇回帖，回帖通常按照时间顺序依次跟在主贴的后面。因此，论坛中的文章相比传统网页文本结构更复杂；2、传统的文本分类方法，无法判断一篇帖子提出的问题是否被回帖回答，或者被回帖有效讨论。因此，传统的文本分类方法无法实现对论坛文章的有效分类，进而无法统计论坛话题的讨论效果。
技术实现思路
本专利技术的主要目的在于提供一种交流平台文本分类方法及装置，旨在实现对交流平台文本进行有效分类，解决网络论坛话题是否被有效回答的问题。为了达到上述目的，本专利技术提出一种交流平台文本分类方法，包括：采用预设的分类模型对交流平台主文本进行区分；当根据区分结果判定所述主文本为提问文本时，通过预设的相关性算法，计算获取所述主文本的回复文本与所述主文本的相关性分值；根据所述相关性分值区分所述主文本为有答案提问文本或无答案提问文本。优选地，所述采用预设的分类模型对交流平台主文本进行区分的步骤包括：根据所述主文本的标题和正文构建特征向量；将所述特征向量输入预设的分类模型，通过所述分类模型进行分析区分后输出所述主文本的分类类型；所述主文本的分类类型包括提问文本和非提问文本。优选地，所述通过预设的相关性算法，计算获取所述主文本的回复文本与所述主文本的相关性分值的步骤包括：通过预设的相关性算法，计算获取所述主文本的每一回复文本与所述主文本的相关性分值；或者，计算获取所述主文本的前M篇回复文本与所述主文本的相关性分值，其中，0<M<N，N为所述主文本的所有回复文本。优选地，所述根据相关性分值区分所述主文本为有答案提问文本或无答案提问文本的步骤包括：获取计算所得相关性分值最大的回复文本；判断所述相关性分值最大的回复文本的相关性分值是否大于或等于预设的阈值；若是，则判定所述主文本为有答案提问文本；否则，判定所述主文本为无答案提问文本。优选地，所述采用预设的分类模型对交流平台主文本进行区分的步骤之前还包括：对预先收集的学习语料进行标注，并从中提取问题特征；对所述问题特征进行空间向量构造，获得特征向量；对所述特征向量进行学习，生成分类模型。本专利技术还提出一种交流平台文本分类装置，包括：第一分类模块，用于采用预设的分类模型对交流平台主文本进行区分；计算获取模块，用于当根据区分结果判定所述主文本为提问文本时，通过预设的相关性算法，计算获取所述主文本的回复文本与所述主文本的相关性分值；第二分类模块，用于根据所述相关性分值区分所述主文本为有答案提问文本或无答案提问文本。优选地，所述第一分类模块包括：构建单元，用于根据所述主文本的标题和正文构建特征向量；第一分类单元，用于将所述特征向量输入预设的分类模型，通过所述分类模型进行分析区分后输出所述主文本的分类类型；所述主文本的分类类型包括提问文本和非提问文本。优选地，所述计算获取模块还用于通过预设的相关性算法，计算获取所述主文本的每一回复文本与所述主文本的相关性分值；或者，计算获取所述主文本的前M篇回复文本与所述主文本的相关性分值，其中，0<M<N，N为所述主文本的所有回复文本。优选地，所述第二分类模块包括：获取单元，用于获取计算所得相关性分值最大的回复文本；判断单元，用于判断所述相关性分值最大的回复文本的相关性分值是否大于或等于预设的阈值；若是，则判定所述主文本为有答案提问文本；否则，判定所述主文本为无答案提问文本。优选地，该装置还包括：特征提取模块，用于对预先收集的学习语料进行标注，并从中提取问题特征；向量构造模块，用于对所述问题特征进行空间向量构造，获得特征向量；模型生成模块，用于对所述特征向量进行学习，生成分类模型。本专利技术提出的一种交流平台文本分类方法及装置，针对论坛等交流平台的文本包括提问文本与回答文本的组织结构特点，通过预设的分类模型对交流平台主文本进行提问文本与非提问文本的区分，并通过预设的相关性算法计算主文本的回复文本与所述主文本的相关性分值，根据该相关性分值将主文本区分为有答案提问文本和无答案提问文本，从而实现了对交流平台文本的有效分类，获取交流平台的文本是否为提问贴；对于判定为提问贴的文本，获取到回复文本对主文本提问需求的解答贡献，从而有效解决了区分文本是否有真实提问需求，以及提问需求是否被有效满足的问题，同时，为后台对问题文本的排序展示及用户查询提供了依据，便于论坛资源分享与管理。附图说明图1是本专利技术交流平台文本分类方法第一实施例的流程示意图；图2是本专利技术交流平台文本分类方法第一实施例中根据所述相关性分值区分所述主文本为有答案提问文本或无答案提问文本的流程示意图；图3是本专利技术交流平台文本分类方法第二实施例的流程示意图；图4是本专利技术交流平台文本分类装置第一实施例的结构示意图；图5是本专利技术交流平台文本分类装置第一实施例中第一分类模块的结构示意图；图6是本专利技术交流平台文本分类装置第一实施例中第二分类模块的结构示意图；图7是本专利技术交流平台文本分类装置第二实施例的结构示意图。为了使本专利技术的技术方案更加清楚、明了，下面本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交流平台文本分类方法，其特征在于，包括：
采用预设的分类模型对交流平台主文本进行区分；
当根据区分结果判定所述主文本为提问文本时，通过预设的相关性算
法，计算获取所述主文本的回复文本与所述主文本的相关性分值；
根据所述相关性分值区分所述主文本为有答案提问文本或无答案提问
文本。
2.根据权利要求1所述的方法，其特征在于，所述采用预设的分类模型对
交流平台主文本进行区分的步骤包括：
根据所述主文本的标题和正文构建特征向量；
将所述特征向量输入预设的分类模型，通过所述分类模型进行分析区
分后输出所述主文本的分类类型；所述主文本的分类类型包括提问文
本和非提问文本。
3.根据权利要求1所述的方法，其特征在于，所述通过预设的相关性算法
，计算获取所述主文本的回复文本与所述主文本的相关性分值的步骤
包括：
通过预设的相关性算法，计算获取所述主文本的每一回复文本与所述
主文本的相关性分值；或者，计算获取所述主文本的前M篇回复文本与
所述主文本的相关性分值，其中，0<M<N，N为所述主文本的所有回复
文本。
4.根据权利要求3所述的方法，其特征在于，所述根据相关性分值区分所
述主文本为有答案提问文本或无答案提问文本的步骤包括：
获取计算所得相关性分值最大的回复文本；
判断所述相关性分值最大的回复文本的相关性分值是否大于或等于预
设的阈值；若是，则
判定所述主文本为有答案提问文本；否则，
判定所述主文本为无答案提问文本。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述采用预设的
分类模型对交流平台主文本进行区分的步骤之前还包括：
对预先收集的学习语料进行标注，并从中提取问题特征；
对所述问题特征进行空间向量构造，获得特征向量；
对所述特征向量进...
【专利技术属性】
技术研发人员：温泉，姚从磊，翟俊杰，王亮，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。