文本分类方法、文本分类模型训练方法、装置及设备

技术领域

本公开涉及人工智能技术领域和金融技术领域，尤其涉及一种文本分类方法、文本分类模型训练方法、装置、设备、介质和程序产品。

背景技术

文本分类是指根据文本内容自动地将文本分配到预定义类别的过程，是自然语言处理基本的任务，也能够为更复杂的语言理解任务提供基础。

在实现本公开发明构思的过程中，发明人发现，在相关技术中，对文本进行分类存在准确性较低的问题。

发明内容

鉴于上述问题，本公开提供了一种文本分类方法、文本分类模型训练方法、装置、设备、介质和程序产品。

根据本公开的第一个方面，提供了一种文本分类方法，包括：对待分类文本中的文本片段进行特征提取，得到文本词特征向量和文本数字特征向量；根据文本词特征向量和文本数字特征向量，得到文本片段的文本片段特征向量；对与待分类文本对应的音频中的音频片段进行特征提取，得到音频片段特征向量，其中，音频片段与文本片段相互对应；根据文本片段特征向量和音频片段特征向量，得到待分类文本的类别信息。

根据本公开的实施例，对与待分类文本对应的音频中的音频片段进行特征提取，得到音频片段特征向量，包括：按照不同的特征类型，对音频片段进行特征提取，得到多个类型的音频片段特征向量；对多个类型的音频片段特征向量进行初始化处理，得到具有多个维度的音频片段特征向量，其中，多个维度和多个类型之间一一对应。

根据本公开的实施例，上述文本分类方法还包括：利用文本处理工具处理待分类文本和与待分类文本对应的音频，得到文本片段和与文本片段对应的音频片段。

根据本公开的第二个方面，提供了一种文本分类模型训练方法，包括：对训练文本中的训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量；根据训练文本词特征向量和训练文本数字特征向量，得到训练文本片段的训练文本片段特征向量；对与训练文本对应的训练音频中的训练音频片段进行特征提取，得到训练音频片段特征向量，其中，训练音频片段与训练文本片段相互对应；利用训练文本片段特征向量和训练音频片段特征向量训练第一模型，得到第一目标模型，其中，第一目标模型用于确定待分类文本的类别信息。

根据本公开的实施例，利用训练文本片段特征向量和训练音频片段特征向量训练第一模型，得到第一目标模型，包括：根据训练文本片段特征向量、训练音频片段特征向量和噪声向量，得到目标训练特征向量；将目标训练特征向量输入第一模型，利用目标梯度下降算法，训练第一模型，得到第一目标模型，其中，目标梯度下降算法是利用梯度裁剪方法处理原始梯度下降算法得到的。

根据本公开的实施例，根据训练文本片段特征向量、训练音频片段特征向量和噪声向量，得到目标训练特征向量，包括：对训练文本片段特征向量和训练音频片段特征向量进行拼接处理，得到训练片段拼接向量；根据训练文本片段在训练文本中的位置信息，得到与训练文本片段对应的片段位置向量；根据片段位置向量和训练片段拼接向量，得到目标训练片段拼接向量；将噪声向量添加到目标训练片段拼接向量中，得到目标训练特征向量。

根据本公开的实施例，将噪声向量添加到目标训练片段拼接向量中，得到目标训练特征向量，包括：将噪声向量添加至目标训练片段拼接向量，得到目标片段噪声向量；根据目标片段噪声向量的片段结构，对目标片段噪声向量进行编码处理，得到目标训练特征向量。

根据本公开的实施例，目标训练特征向量为多个，第一模型为多个，多个第一模型与多个目标训练特征向量一一对应，多个目标训练特征向量各来自不同的训练服务器；将目标训练特征向量输入第一模型，利用目标梯度下降算法，训练第一模型，得到第一目标模型，包括在第一模型的模型参数不满足预设条件的情况下，重复执行以下操作：从多个训练服务器中，确定多个目标训练服务器，调用多个目标训练服务器，利用与多个目标训练服务器各自对应的多个目标训练特征向量，训练与多个目标训练服务器各自对应的多个第一模型，得到与多个第一模型各自对应的多个模型参数，根据多个模型参数，确定新的模型参数；在模型参数满足预设条件的情况下，根据满足预设条件的模型参数和第一模型，得到第一目标模型。

根据本公开的实施例，第一模型包括目标词级编码层，目标词级编码层是利用文本数值比较任务训练中间词级编码层得到的，中间词级编码层是利用文本数字分类任务训练初始词级编码层得到的，文本数字分类任务表征对文本中的数字进行分类的任务，文本数值比较任务表征对文本中属于同一类别的数字进行数值比较的任务；对训练文本中的训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量，包括：利用目标词级编码层对训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量。

本公开的第三方面提供了一种文本分类装置，包括：第一提取模块，用于对待分类文本中的文本片段进行特征提取，得到文本词特征向量和文本数字特征向量；第一获取模块，用于根据文本词特征向量和文本数字特征向量，得到文本片段的文本片段特征向量；第二提取模块，用于对与待分类文本对应的音频中的音频片段进行特征提取，得到音频片段特征向量，其中，音频片段与文本片段相互对应；第二获取模块，用于根据文本片段特征向量和音频片段特征向量，得到待分类文本的类别信息。

本公开的第四方面提供了一种文本分类模型训练装置，包括：第三提取模块，用于对训练文本中的训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量；第三获取模块，用于根据训练文本词特征向量和训练文本数字特征向量，得到训练文本片段的训练文本片段特征向量；第四提取模块，用于对与训练文本对应的训练音频中的训练音频片段进行特征提取，得到训练音频片段特征向量，其中，训练音频片段与训练文本片段相互对应；训练模块，用于利用训练文本片段特征向量和训练音频片段特征向量训练第一模型，得到第一目标模型，其中，第一目标模型用于确定待分类文本的类别信息。

本公开的第五方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。

本公开的第六方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。

本公开的第七方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。

根据本公开提供的文本分类方法、文本分类模型训练方法、装置、设备、介质和程序产品，通过对文本进行特征提取，得到文本中文本词的文本词特征向量和文本中文本数字的文本数字特征向量，由此，不仅利用了文本中文本词的特征向量，还充分利用了文本数字的特征向量，进而可以得到文本片段特征向量。基于此，在文本中包括较多数字的情况下，可以提高对文本分类的准确性。并且，由于使用与文本对应的音频，来提取得到音频片段特征向量，进而可以将文本片段特征向量和音频片段特征向量一起用于文本分类，而不是仅使用文本片段特征向量对文本分类，因此，进一步提高了对文本分类的准确性。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的文本分类方法或者文本分类模型训练方法的应用场景图；

图2示意性示出了根据本公开实施例的文本分类方法的流程图；

图3示意性示出了根据本公开实施例的文本分类模型训练方法的流程图；

图4示意性示出了根据本公开实施例的训练词级编码层的示意图；

图5示意性示出了根据本公开实施例的第一目标模型的结构示意图；

图6示意性示出了根据本公开实施例的文本分类装置的结构框图；

图7示意性示出了根据本公开实施例的文本分类模型训练装置的结构框图；以及

图8示意性示出了根据本公开实施例的适于实现文本分类方法或者文本分类模型训练方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

在本公开的技术方案中，所涉及的数据(如包括但不限于用户个人信息)的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

根据本公开的实施例，基于传统机器学习的文本分类方法中，可以使用朴素贝叶斯分类器对金融文本进行分类；也可以将贝叶斯分类器与决策树相结合，来实现适用于不同文本结构的多模型混合的文本分类方法。

根据本公开的实施例，基于深度学习的文本分类方法中，可以基于CNN(convolutional neural network，卷积神经网络)的TextCNN算法来对文本分类，该TextCNN是一种文本分类算法，TextCNN可以利用卷积计算获得文本中句子的局部特征并从句子中提取出关键信息。还可以将BiLSTM、注意力机制和卷积层融合进一个神经网络中，通过该神经网络形成双向的长期存储，既可以获取片段中短语的局部特征，也可以获取一个片段的上下文语义信息。

基于上述内容，文本分类方法大多是仅仅依赖于从文本数据中提取到的词语特征来对文本进行分类，较少利用音频数据例如电话会议和音频记录等，来进行文本分类。并且，在对文本进行分类的情况下，通常仅会关注文本中文本词的重要性，而由于一些领域中的文本包括较多的数字，例如金融领域和化学领域等，在上述领域中，数字也较为重要，由此，针对上述领域的文本，充分利用数字含义和数字结构来进行文本分类，可以实现提高文本分类准确性的效果。

有鉴于此，本公开的实施例提供了一种文本分类方法，包括：对待分类文本中的文本片段进行特征提取，得到文本词特征向量和文本数字特征向量。根据文本词特征向量和文本数字特征向量，得到文本片段的文本片段特征向量。对与待分类文本对应的音频中的音频片段进行特征提取，得到音频片段特征向量，其中，音频片段与文本片段相互对应。根据文本片段特征向量和音频片段特征向量，得到待分类文本的类别信息。

图1示意性示出了根据本公开实施例的文本分类方法或者文本分类模型训练方法的应用场景图。

如图1所示，根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的文本分类方法或者文本分类模型训练方法一般可以由服务器105执行。相应地，本公开实施例所提供的文本分类装置或者文本分类模型训练装置一般可以设置于服务器105中。本公开实施例所提供的文本分类方法或者文本分类模型训练方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的文本分类装置或者文本分类模型训练装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将基于图1描述的场景，通过图2～图5对公开实施例的文本分类方法或者文本分类模型训练方法进行详细描述。

图2示意性示出了根据本公开实施例的文本分类方法的流程图。

如图2所示，该实施例的文本分类方法包括操作S210～操作S240。

在操作S210，对待分类文本中的文本片段进行特征提取，得到文本词特征向量和文本数字特征向量。

在操作S220，根据文本词特征向量和文本数字特征向量，得到文本片段的文本片段特征向量。

在操作S230，对与待分类文本对应的音频中的音频片段进行特征提取，得到音频片段特征向量，其中，音频片段与文本片段相互对应。

在操作S240，根据文本片段特征向量和音频片段特征向量，得到待分类文本的类别信息。

根据本公开的实施例，待分类文本的类别信息，可以包括交易类、市场类和机构类等。待分类文本可以包括：行业动态、行业相关评论、行情的专家解读、行业新闻、机构新闻、机构状况、交易资讯、交易测评、交易分析、交易知识、存款利率等。由此，待分类文本中会包括较多的文本数字。

根据本公开的实施例，待分类文本的文本片段，可以是对待分类文本进行分割得到的，也可以是从待分类文本中确定的，但不限于此。文本片段可以是待分类文本中的句子，也可以是待分类文本中的段落，但不限于此，可以根据需求从待分类文本中确定文本片段，也可以根据需求对待分类文本进行分割，得到文本片段。

根据本公开的实施例，文本数字可以包括时间、货币和百分比等。文本词可以包括文本片段中的除文本数字以外的词，但不限于此。

根据本公开的实施例，文本词特征向量可以是对待分类文本中的文本词进行特征提取，所得到的特征向量。

根据本公开的实施例，文本数字特征向量可以是待分类文本中的文本数字进行特征提取，所得到的特征向量。

根据本公开的实施例，文本片段特征向量可以是用于表征上述待分类文本片段的特征的向量。

根据本公开的实施例，与待分类文本对应的音频可以是含义与待分类文本相同的音频。例如：待分类文本的文本内容可以包括：“截至2022年10月末，机构在市场的余额为3.5万亿元，占市场余额的比重为2.4％”，但不限于此。与待分类文本对应的音频的音频内容可以包括：“机构的余额占市场余额的比重为2.4％，该机构的余额为3.5万亿元，该数据截至2022年10月末”，但不限于此。与待分类文本对应的音频的音频内容也可以包括：“截至2022年10月末，机构在市场的余额为3.5万亿元，占市场余额的比重为2.4％”，但不限于此。

根据本公开的实施例，音频片段可以是对音频进行分割得到的，也可以是从音频中确定的，但不限于此。音频片段可以是音频中的句子，也可以是音频中的段落，但不限于此，可以根据需求从音频中确定音频片段，也可以根据需求对音频进行分割，得到音频片段。

根据本公开的实施例，音频片段特征向量可以是对上述音频片段进行特征提取，所得到的特征向量。

根据本公开的实施例，音频片段与文本片段相互对应，例如：在文本片段为“机构在市场的余额为3.5万亿元”的情况下，音频片段可以对应为“该机构的余额为3.5万亿元”。

根据本公开的实施例，可以利用经训练的BiLSTM(Bi-directional Long Short-Term Memory，双向长短期记忆)神经网络，对包括文本词和文本数字的文本片段进行特征提取，得到文本词特征向量和文本数字特征向量。通过使用经训练的BiLSTM，可以根据语义对文本片段进行特征提取，由此，提高了提取得到的特征向量的准确性。

根据本公开的实施例，可以根据文本词特征向量和文本数字特征向量的平均值，确定文本片段特征向量。文本片段中可以包括多个文本词和多个文本数字，由此，对文本片段进行特征提取，可以得到多个文本词特征向量和多个文本数字特征向量。进而，可以将该多个文本词特征向量和多个文本数字特征向量的平均值，作为文本片段特征向量。例如：7个文本词特征向量和3个文本数字特征向量之和为2222220，文本片段特征向量可以为222222。

根据本公开的实施例，还可以利用经训练的BERT(Bidirectional EncoderRepresentations from Transformers)模型对文本片段进行特征提取，得到文本词特征向量和文本数字特征向量，其中，经训练的BERT模型可以是一种语言表示模型，该经训练的BERT模型可以是利用文本数字处理任务训练得到的，通过利用文本数字处理任务训练BERT模型，可以提高经训练的BERT模型对数字处理的效果，由此，相对于其他模型，可以提高文本数字特征向量的准确度；再根据文本词特征向量和文本数字特征向量的平均值，确定原始文本片段特征向量；再利用经训练的BiLSTM神经网络对原始文本片段特征向量进行特征提取，得到文本片段特征向量。其中，文本数字处理任务可以包括文本数值比较任务和文本数字分类任务，文本数字分类任务表征对文本中的数字进行分类的任务，文本数值比较任务表征对文本中属于同一类别的数字进行数值比较的任务。

根据本公开的实施例，还可以利用经训练的BERT模型对文本片段进行特征提取，得到文本词特征向量和文本数字特征向量；再利用经训练的BiLSTM神经网络对文本词特征向量和文本数字特征向量进行特征提取，得到目标文本词特征向量和目标文本数字特征向量；再根据目标文本词特征向量和目标文本数字特征向量的平均值，确定文本片段特征向量。

根据本公开的实施例，可以利用经训练的BiLSTM神经网络，对音频片段进行特征提取，得到音频片段特征向量。通过使用经训练的BiLSTM，可以根据语义对音频片段进行特征提取，由此，提高了提取得到的特征向量的准确性。

根据本公开的实施例，可以利用经训练的第一目标模型处理音频片段特征向量和文本片段特征向量，以根据音频片段特征向量和文本片段特征向量对待分类文本进行分类，得到待分类文本的类别信息，该类别信息可以包括类别概率，但不限于此。其中，第一目标模型可以是利用训练文本片段特征向量和训练音频片段特征向量，训练第一模型得到的，该训练文本片段特征向量可以是基于训练文本的训练文本片段得到的，该训练音频片段特征向量可以是基于与训练文本对应的训练音频的训练音频片段得到的。

根据本公开的实施例，通过利用从待分类文本所对应的音频中提取到的音频特征向量来辅助进行文本分类，由此，通过多模态信息进行文本分类也可以缓解模型的过拟合问题。

根据本公开的实施例，通过对文本进行特征提取，得到文本中文本词的文本词特征向量和文本中文本数字的文本数字特征向量，由此，不仅利用了文本中文本词的特征向量，还充分利用了文本数字的特征向量，进而可以得到文本片段特征向量。基于此，在文本中包括较多数字的情况下，可以提高对文本分类的准确性。并且，由于使用与文本对应的音频，来提取得到音频片段特征向量，进而可以将文本片段特征向量和音频片段特征向量一起用于文本分类，而不是仅使用文本片段特征向量对文本分类，因此，进一步提高了对文本分类的准确性。

根据本公开的实施例，对与待分类文本对应的音频中的音频片段进行特征提取，得到音频片段特征向量，包括：按照不同的特征类型，对音频片段进行特征提取，得到多个类型的音频片段特征向量。对多个类型的音频片段特征向量进行初始化处理，得到具有多个维度的音频片段特征向量，其中，多个维度和多个类型之间一一对应。

根据本公开的实施例，特征类型可以包括音高、音强、波形、共振峰、基音轮廓、语谱图等音频类型。

根据本公开的实施例，上述多个维度和多个类型之间一一对应，可以是上述多个类型包括音高类型、音强类型和波形类型，多个维度也包括音高维度、音强维度和波形维度。

根据本公开的实施例，可以利用Praat脚本程序提取音频片段中的音高、音强、波形、共振峰、基音轮廓、语谱图等不同的特征类型的音频特征向量，并将该不同的特征类型的音频特征向量随机初始化为具有多个维度的音频片段特征向量，其中，该Praat脚本程序可以是一种语音学习程序，可以用于对数字化的语音信号进行分析、标注、处理及合成等处理。由此，可以根据音频片段特征向量和文本片段特征向量，得到待分类文本的类别信息。

根据本公开的实施例，还可以利用经训练的BiLSTM神经网络，对具有多个维度的音频片段特征向量进行特征提取，得到目标音频片段特征向量，由此，可以根据目标音频片段特征向量和文本片段特征向量，得到待分类文本的类别信息。通过使用经训练的BiLSTM，可以根据语义对音频片段进行特征提取，由此，提高了提取得到的特征向量的准确性。

根据本公开的实施例，通过按照不同的特征类型对音频片段进行特征提取，得到多个类型的音频片段特征向量，再根据多个类型的音频片段特征向量得到具有多个维度的音频片段特征向量，由此，可以实现用具有多个维度的音频片段特征向量来确定待分类文本的类别信息，提高了确定类别信息的准确性。

根据本公开的实施例，上述文本分类方法还包括：利用文本处理工具处理待分类文本和与待分类文本对应的音频，得到文本片段和与文本片段对应的音频片段。

根据本公开的实施例，可以利用文本处理工具处理待分类文本和与待分类文本对应的音频。文本处理工具可以包括Aeneas对齐工具，该对齐工具可以是用于文本和语音对齐的工具，通过该对齐工具可以将待分类文本中的文本片段和与待分类文本对应的音频的音频片段对齐，由此，可以实现从待分类文本中得到文本片段，以及从与待分类文本对应的音频中，得到与文本片段对应的音频片段。并且，该对齐工具还可以用于将文本片段中的文本词和音频片段的中的音频词对齐。

例如：待分类文本的文本内容可以包括“截至2022年10月末，机构在市场的余额为3.5万亿元，占市场余额的比重为2.4％”。与待分类文本对应的音频的音频内容可以包括：“机构的余额占市场余额的比重为2.4％，该机构的余额为3.5万亿元，该数据截至2022年10月末”。

由此，利用对齐工具处理后的文本片段可以包括“机构余额占市场余额的比重为2.4％，机构余额为3.5万亿元，截至2022年10月末”。

根据本公开的实施例，通过利用文本处理工具处理待分类文本和与待分类文本对应的音频，得到文本片段和与文本片段对应的音频片段，由此，可以实现根据基于文本片段得到的文本片段特征向量和基于音频片段得到的音频片段特征向量，确定待分类文本的类别信息，可以提高对待分类文本进行分类的准确性。

图3示意性示出了根据本公开实施例的文本分类模型训练方法的流程图。

如图3所示，该实施例的文本分类模型训练方法包括操作S310～操作S340。

在操作S310，对训练文本中的训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量。

在操作S320，根据训练文本词特征向量和训练文本数字特征向量，得到训练文本片段的训练文本片段特征向量。

在操作S330，对与训练文本对应的训练音频中的训练音频片段进行特征提取，得到训练音频片段特征向量，其中，训练音频片段与训练文本片段相互对应。

在操作S340，利用训练文本片段特征向量和训练音频片段特征向量训练第一模型，得到第一目标模型，其中，第一目标模型用于确定待分类文本的类别信息。

根据本公开的实施例，训练文本的类别信息，可以包括交易类、市场类和机构类等。训练文本可以包括：行业动态、行业评论、行情的专家解读、行业新闻、机构新闻、机构状况、交易资讯、交易测评、交易分析、交易知识、存款利率等。由此，训练文本中会包括较多的训练文本数字。

根据本公开的实施例，训练文本的训练文本片段，可以是对训练文本进行分割得到的，也可以是从训练文本中确定的，但不限于此。训练文本片段可以是训练文本中的句子，也可以是训练文本中的段落，但不限于此，可以根据需求从训练文本中确定训练文本片段，也可以根据需求对训练文本进行分割，得到训练文本片段。

根据本公开的实施例，训练文本数字可以包括时间、货币和百分比等。训练文本词可以包括训练文本片段中的除训练文本数字以外的词，但不限于此。

根据本公开的实施例，训练文本词特征向量可以是对训练文本中的训练文本词进行特征提取，所得到的特征向量。

根据本公开的实施例，训练文本数字特征向量可以是训练文本中的训练文本数字进行特征提取，所得到的特征向量。

根据本公开的实施例，训练文本片段特征向量可以是用于表征上述训练文本片段的特征的向量。

根据本公开的实施例，与训练文本对应的训练音频可以是含义与训练文本相同的音频。例如：训练文本的文本内容可以包括：“截至2022年10月末，机构在市场的余额为3.5万亿元，占市场余额的比重为2.4％”，但不限于此。与训练文本对应的训练音频的音频内容可以包括：“机构的余额占市场余额的比重为2.4％，该机构的余额为3.5万亿元，该数据截至2022年10月末”，但不限于此。与训练文本对应的训练音频的音频内容也可以包括：“截至2022年10月末，机构在市场的余额为3.5万亿元，占市场余额的比重为2.4％”，但不限于此。

根据本公开的实施例，训练音频片段可以是，对训练音频进行分割得到的，也可以是从训练音频中确定的，但不限于此。训练音频片段可以是训练音频中的句子，也可以是训练音频中的段落，但不限于此，可以根据需求从训练音频中确定训练音频片段，也可以根据需求对训练音频进行分割，得到训练音频片段。

根据本公开的实施例，训练音频片段特征向量可以是对上述训练音频片段进行特征提取，所得到的特征向量。

根据本公开的实施例，训练音频片段与训练文本片段相互对应，例如：在训练文本片段为“机构在市场的余额为3.5万亿元”的情况下，训练音频片段可以对应为“该机构的余额为3.5万亿元”。

根据本公开的实施例，可以利用经训练的BiLSTM神经网络，对包括训练文本词和训练文本数字的训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量。通过使用经训练的BiLSTM，可以根据语义对训练文本片段进行特征提取，由此，提高了提取得到的特征向量的准确性。

根据本公开的实施例，可以根据训练文本词特征向量和训练文本数字特征向量的平均值，确定训练文本片段特征向量。训练文本片段中可以包括多个训练文本词和多个训练文本数字，由此，对训练文本片段进行特征提取，可以得到多个训练文本词特征向量和多个训练文本数字特征向量。进而，可以将该多个训练文本词特征向量和多个训练文本数字特征向量的平均值，作为训练文本片段特征向量。例如：7个训练文本词特征向量和3个训练文本数字特征向量之和为2222220，训练文本片段特征向量可以为222222。

根据本公开的实施例，还可以利用经训练的BERT模型对训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量，其中，经训练的BERT模型可以是一种语言表示模型，该经训练的BERT模型可以是利用文本数字处理任务训练得到的，通过利用文本数字处理任务训练BERT模型，可以提高经训练的BERT模型对数字处理的效果，由此，相对于其他模型，可以提高训练文本数字特征向量的准确度。再根据训练文本词特征向量和训练文本数字特征向量的平均值，确定原始训练文本片段特征向量。例如：可以利用经训练的BERT模型将每个训练文本词初始化为300维的训练文本词特征向量，以及可以利用经训练的BERT模型将每个训练文本数字初始化为训练文本数字特征向量，可以将一个片段中所有的训练文本词特征向量和所有训练文本数字特征向量的算数平均值作为该片段的300维的训练片段特征向量。W

可以再利用经训练的BiLSTM神经网络对原始训练文本片段特征向量进行特征提取，得到训练文本片段特征向量。

根据本公开的实施例，还可以利用经训练的BERT模型对训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量；再利用经训练的BiLSTM神经网络对训练文本词特征向量和训练文本数字特征向量进行特征提取，得到目标训练文本词特征向量和目标训练文本数字特征向量；再根据目标训练文本词特征向量和目标训练文本数字特征向量的平均值，确定训练文本片段特征向量。

根据本公开的实施例，可以利用经训练的BiLSTM神经网络，对训练音频片段进行特征提取，得到训练音频片段特征向量。通过使用经训练的BiLSTM，可以根据语义对训练音频片段进行特征提取，由此，提高了提取得到的特征向量的准确性。

根据本公开的实施例，可以利用训练文本片段特征向量和训练音频片段特征向量训练第一模型，得到第一目标模型。由此，可以利用第一目标模型根据文本片段特征向量和音频片段特征向量，确定待分类文本的类别信息。

在一些领域内数字具有的特殊含义，例如，该领域可以包括金融领域，但不限于此，还可以包括生物领域和化学领域等。基于此，该领域的待分类文本中可能包括大量的文本数字，并且文本数字在该领域的待分类文本中具有相对重要的特殊含义。由此，从该领域的待分类文本中提取更丰富的文本数字特征向量，并利用文本数字特征向量和文本词特征向量一起训练第一模型，可以提升第一目标模型的性能。

根据本公开的实施例，通过对文本进行特征提取，得到文本中文本词的文本词特征向量和文本中文本数字的文本数字特征向量，由此，不仅利用了文本中文本词的特征向量，还充分利用了文本数字的特征向量，进而可以得到文本片段特征向量。基于此，在文本中包括较多数字的情况下，可以提高对文本分类的准确性。并且，由于使用与文本对应的音频，来提取得到音频片段特征向量，进而可以将文本片段特征向量和音频片段特征向量一起用于文本分类，而不是仅使用文本片段特征向量对文本分类，因此，进一步提高了对文本分类的准确性。

根据本公开的实施例，上述文本分类模型训练方法还包括：对与训练文本对应的训练音频中的训练音频片段进行特征提取，得到训练音频片段特征向量，包括：按照不同的特征类型，对训练音频片段进行特征提取，得到多个类型的训练音频片段特征向量。对多个类型的训练音频片段特征向量进行初始化处理，得到具有多个维度的训练音频片段特征向量，其中，多个维度和多个类型之间一一对应。

根据本公开的实施例，特征类型可以包括音高、音强、波形、共振峰、基音轮廓、语谱图等音频类型。

根据本公开的实施例，上述多个维度和多个类型之间一一对应，可以是上述多个类型包括音高类型、音强类型和波形类型，多个维度也包括音高维度、音强维度和波形维度。

根据本公开的实施例，可以利用Praat脚本程序提取训练音频片段中的音高、音强、波形、共振峰、基音轮廓、语谱图等不同的特征类型的训练音频特征向量，并将该不同的特征类型的训练音频特征向量随机初始化为具有多个维度的训练音频片段特征向量，其中，该Praat脚本程序可以是一种语音学习程序，可以用于对数字化的语音信号进行分析、标注、处理及合成等处理。

根据本公开的实施例，还可以利用经训练的BiLSTM神经网络，对具有多个维度的训练音频片段特征向量进行特征提取，得到目标训练音频片段特征向量。通过使用经训练的BiLSTM，可以根据语义对训练音频片段进行特征提取，由此，提高了提取得到的特征向量的准确性。

根据本公开的实施例，通过按照不同的特征类型对训练音频片段进行特征提取，得到多个类型的训练音频片段特征向量，再根据多个类型的训练音频片段特征向量得到具有多个维度的训练音频片段特征向量，由此，可以使用多维度的训练音频片段特征向量训练第一模型，可以提高第一模型的分类准确率。

根据本公开的实施例，上述文本分类模型训练方法还包括：还包括：利用文本处理工具处理训练文本和与训练文本对应的训练音频，得到训练文本片段和与训练文本片段对应的训练音频片段。

根据本公开的实施例，可以利用文本处理工具处理训练文本和与训练文本对应的训练音频。文本处理工具可以包括Aeneas对齐工具，该对齐工具可以是用于文本和语音对齐的工具，通过该对齐工具可以将训练文本中的训练文本片段和与训练文本对应的训练音频的训练音频片段对齐，由此，可以实现从训练文本中得到训练文本片段，以及从与训练文本对应的训练音频中，得到与训练文本片段对应的训练音频片段。并且，该对齐工具还可以用于将训练文本片段中的训练文本词和训练音频片段的中的训练音频词对齐。

例如：训练文本的文本内容可以包括“截至2022年10月末，机构在市场的余额为3.5万亿元，占市场余额的比重为2.4％”。与训练文本对应的训练音频的训音频内容可以包括：“机构的余额占市场余额的比重为2.4％，该机构的余额为3.5万亿元，该数据截至2022年10月末”。

由此，利用对齐工具处理后的训练文本片段可以包括“机构余额占市场余额的比重为2.4％，机构余额为3.5万亿元，截至2022年10月末”。

根据本公开的实施例，通过利用文本处理工具处理训练文本和与训练文本对应的音频，得到训练文本片段和与训练文本片段对应的训练音频片段，由此，可以实现利用基于训练文本片段得到的训练文本片段特征向量和基于训练音频片段得到的训练音频片段特征向量，训练得到第一目标模型，可以提高第一目标模型对待分类文本进行分类的准确度。

根据本公开的实施例，第一模型包括目标词级编码层，目标词级编码层是利用文本数值比较任务训练中间词级编码层得到的，中间词级编码层是利用文本数字分类任务训练初始词级编码层得到的，文本数字分类任务表征对文本中的数字进行分类的任务，文本数值比较任务表征对文本中属于同一类别的数字进行数值比较的任务。

根据本公开的实施例，对训练文本中的训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量，包括：利用目标词级编码层对训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量。

根据本公开的实施例，上述初始词级编码层可以是基于BERT模型构建的。可以使用领域内自适应预训练策略来对BERT模型进行预训练，可以利用上述文本数值比较任务和文本数字分类任务完成该预训练。例如：可以利用文本数字分类任务训练初始词级编码层，得到中间词级编码层，可以利用文本数值比较任务训练中间词级编码层，得到目标词级编码层。

例如：针对文本数字分类任务，可以按照货币、时间、百分比等数字类型对一个文本片段打上其中的一种或多种标签。即将文本数字作为对片段打标签的依据，比如“截至2022年10月末，机构在市场的余额为3.5万亿元，占市场余额的比重为2.4％。”，这句话可以分别被打上时间(即2022年10月末)，货币(即3.5万亿元)和百分比(即2.4％)这三种标签。由此，可以利用该已打标的文本片段对初始词级编码层进行文本数字分类任务训练，以得到中间词级编码层。

例如：针对文本数值比较任务，该任务可以是使中间词级编码层在多个文本数字特征向量中，能预测出数值最大的数字。每个文本数字特征向量列表中可以包括相同数字类型内相似数值大小的数字，比如102元，103元，101.2元，107.9元，107.3元和100.4元，预训练的目的可以是使中间词级编码层从这6个数字中找到最大的数字。在中间词级编码层完成文本数值比较任务的情况下，可以得到目标词级编码层。

基于此，在自监督模式下完成上述训练过程，可以得到适合进行针对包括较多文本数字的文本分类任务的目标词级编码层。

根据本公开的实施例，通过使用文本数值比较任务和文本数字分类任务，训练得到目标词级编码层，可以使目标词级编码层更加适合包含文本数字的文本的分类任务，提升分类的准确性。

图4示意性示出了根据本公开实施例的训练词级编码层的示意图。

如图4所示，该实施例的训练词级编码层包括操作S410～操作S420。

在操作S410，利用文本数字分类任务训练初始词级编码层，得到中间词级编码层。

在操作S420，利用文本数值比较任务训练中间词级编码层，得到目标词级编码层。

根据本公开的实施例，利用训练文本片段特征向量和训练音频片段特征向量训练第一模型，得到第一目标模型，包括：根据训练文本片段特征向量、训练音频片段特征向量和噪声向量，得到目标训练特征向量。将目标训练特征向量输入第一模型，利用目标梯度下降算法，训练第一模型，得到第一目标模型，其中，目标梯度下降算法是利用梯度裁剪方法处理原始梯度下降算法得到的。

根据本公开的实施例，可以将训练文本片段特征向量、训练音频片段特征向量和噪声向量进行拼接，得到目标训练特征向量。其中，噪声向量是随机生成的向量，但不限于此。例如：训练文本片段特征向量可以是3321，训练音频片段特征向量可以是3323，噪声向量可以是78，由此，目标训练特征向量可以是3321332378。需要说明的是噪声向量还可以通过预设得到，并且噪声向量还可以拼接在预设位置。

根据本公开的实施例，通过使用加入噪声向量的目标训练特征向量，可以保障标识信息和资产信息等信息的安全性。

根据本公开的实施例，每次反向优化的梯度值可以为随机值。

根据本公开的实施例，梯度裁剪方法可以是预设梯度下降的最大梯度阈值和最小梯度阈值。在反向优化的梯度值大于该最大梯度阈值的情况下，可以将梯度裁剪到与该最大梯度阈值相同的值；在梯度值小于该最大梯度阈值的情况下，可以将梯度裁剪到与该最小梯度阈值相同的值。由此，通过使用梯度裁剪方法，对反向梯度优化的梯度值进行控制，可以保证梯度值的范围，提高模型的优化效果。

根据本公开的实施例，由于在交易过程中，会涉及到诸如对象标识信息、账户信息、资产信息等信息，这些信息会被记载在文本或音频中，因此在使用文本和音频训练第一目标模型的过程中，保护信息对于金融数据收集和存储来说较为重要，因此，通过使用DP-LGD(即差分隐私随机梯度下降算法)，在训练的过程中控制梯度计算，在梯度下降算法中加入噪声实现差分隐私，通过对梯度值进行裁剪，然后将噪声添加到梯度裁剪过程中来实现信息保护。

根据本公开的实施例，根据文本片段特征向量、音频片段特征向量和噪声向量，得到包括噪声向量的目标训练特征向量，由此，通过利用包括噪声向量的目标训练特征向量训练第一模型，有助于使训练得到的第一目标模型可以在待分类文本包括噪声的情况下，对待分类文本进行分类，既可以保障待分类文本的数据安全，又可以避免由于噪声导致分类准确度降低。并且利用梯度裁剪方法处理梯度下降算法得到目标梯度向量算法，由此，提高了第一目标模型的训练效果。基于此，更进一步地提高了第一目标模型的抗噪声的能力，即使在待分类文本中包括较多的噪声的情况下，也可以保证分类的准确度。

根据本公开的实施例，根据训练文本片段特征向量、训练音频片段特征向量和噪声向量，得到目标训练特征向量，包括：对训练文本片段特征向量和训练音频片段特征向量进行拼接处理，得到训练片段拼接向量。根据训练文本片段在训练文本中的位置信息，得到与训练文本片段对应的片段位置向量。根据片段位置向量和训练片段拼接向量，得到目标训练片段拼接向量。将噪声向量添加到目标训练片段拼接向量中，得到目标训练特征向量。

根据本公开的实施例，对训练文本片段特征向量和训练音频片段特征向量进行拼接处理，得到训练片段拼接向量，例如：训练文本片段特征向量可以是12345，训练音频片段特征向量可以是67891，训练片段拼接向量可以为1234567891。

根据本公开的实施例，根据训练文本片段在训练文本中的位置信息，得到与训练文本片段对应的片段位置向量，例如：训练文本片段可以是句子，在该句子在训练文本中的位置为第7句的情况下，片段位置向量可以为7。

根据本公开的实施例，根据片段位置向量和训练片段拼接向量，得到目标训练片段拼接向量，例如：片段位置向量可以为7，训练片段拼接向量可以为1234567891，由此，目标训练片段拼接向量1234567898，但不限于此。

根据本公开的实施例，可以使用BiLSTM神经网络分别提取训练文本及其对应训练音频的单模态特征，得到文本片段特征向量和音频片段特征向量，再将训练文本片段特征向量和训练音频片段特征向量进行拼接，得到训练片段拼接向量。可以再将片段位置向量和训练片段拼接向量相加，得到目标训练片段拼接向量。基于此，根据训练文本和训练音频，所得到的目标训练片段拼接向量集合可以为D

其中，k可以表示训练文本，目标训练片段拼接向量可以为S

根据本公开的实施例，可以再将目标训练片段拼接向量输入一个BiLSTM网络，以根据目标训练片段拼接向量的语义，对目标训练片段拼接向量再进行特征提取，得到新的目标训练片段拼接向量，以提高目标训练片段拼接向量的准确度。

根据本公开的实施例，可以将噪声向量添加至目标训练片段拼接向量中，得到目标训练特征向量。例如：目标训练片段拼接向量可以为258369，噪声向量可以为654，由此，目标训练特征向量可以为258369654。

根据本公开的实施例，通过对训练文本片段特征向量和训练音频片段特征向量进行拼接处理，得到训练片段拼接向量，再根据训练文本片段在训练文本中的位置信息，得到与训练文本片段对应的片段位置向量，由此，可以根据片段位置向量和训练片段拼接向量，得到目标训练片段拼接向量，实现了通过片段位置向量充分利用了片段位置，增强了目标训练片段拼接向量的表征，由此，提高了利用目标训练片段拼接向量进行训练的训练效果。并且，由于将噪声向量添加到目标训练片段拼接向量中，得到目标训练特征向量，因此，有助于使训练得到的第一目标模型可以在待分类文本包括噪声的情况下，对待分类文本进行分类，既可以保障待分类文本的数据安全，又可以避免由于噪声导致分类准确度降低。

根据本公开的实施例，将噪声向量添加到目标训练片段拼接向量中，得到目标训练特征向量，包括：将噪声向量添加至目标训练片段拼接向量，得到目标片段噪声向量。根据目标片段噪声向量的片段结构，对目标片段噪声向量进行编码处理，得到目标训练特征向量。

根据本公开的实施例，第一模型还包括片段级编码层。该片段级编码层可以是基于自注意力机制构建的。可以利用该片段级编码层，根据目标片段噪声向量的片段结构，对目标片段噪声向量进行编码处理，得到目标训练特征向量。

基于此，通过自注意力机制构建片段级编码层，可以使片段级编码层更好地学习目标片段噪声向量内部词的语义关系，获取内部结构，基于此，可以提高片段级编码层所输出的目标训练特征向量的准确性。

根据本公开的实施例，通过将噪声向量添加至目标训练片段拼接向量，得到目标片段噪声向量，再根据目标片段噪声向量的片段结构，对目标片段噪声向量进行编码处理，得到目标训练特征向量，由此，充分利用了目标片段噪声向量的片段结构，增强了目标训练特征向量的表征，进而提高了训练得到的第一目标模型的模型效果。

根据本公开的实施例，可以将片段级编码层所输出的目标训练特征向量通过一个全连接层，并使用softmax函数将全连接层的输出转化为相应的概率，选择其中最大的概率项作为模型预测的分类标签，从而完成该文本的分类，其中，该softmax函数为一种激活函数。

根据本公开的实施例，目标训练特征向量为多个，第一模型为多个，多个第一模型与多个目标训练特征向量一一对应，多个目标训练特征向量各来自不同的训练服务器。

根据本公开的实施例，将目标训练特征向量输入第一模型，利用目标梯度下降算法，训练第一模型，得到第一目标模型，包括在第一模型的模型参数不满足预设条件的情况下，重复执行以下操作：从多个训练服务器中，确定多个目标训练服务器，调用多个目标训练服务器，利用与多个目标训练服务器各自对应的多个目标训练特征向量，训练与多个目标训练服务器各自对应的多个第一模型，得到与多个第一模型各自对应的多个模型参数，根据多个模型参数，确定新的模型参数。在模型参数满足预设条件的情况下，根据满足预设条件的模型参数和第一模型，得到第一目标模型。

根据本公开的实施例，可以有K个训练服务器，每个训练服务器拥有与该训练服务器对应的第一模型和目标训练特征向量。

可以从K个训练服务器中确定k个目标训练服务器，并由该k个训练服务器，利用各自的目标训练特征向量，训练各自的第一模型，基于此，该k个训练服务器中的每个训练服务器都具有一个经训练的第一模型。可以获取k个训练服务器各自的经训练的第一模型的模型参数，基于此，可以得到k个模型参数。可以根据该k个模型参数的平均值，确定新的模型参数。

在该新的模型参数不满足预设条件的情况下，可以重新从K个训练服务器中确定目标训练服务器，执行上述训练过程，直至该新的模型参数满足预设条件。

在该新的模型参数满足预设条件的情况下，可以将该新的模型参数作为第一模型的模型参数，由此得到第一目标模型。

在上述新的模型参数，是经过预设训练轮次训练得到的模型参数的情况下，可以确定上述新的模型参数满足预设条件。预设训练轮次在此不作具体限定。

根据本公开的实施例，在实际的生产应用中，单个训练主体所拥有的资源有限，因此，较难训练出一个性能较高的、鲁棒性强的分类模型，其中，训练主体可以是机构，但不限于此，资源可以包括训练数据，训练数据可以包括训练文本、训练音频，以及基于训练文本和训练音频得到的目标训练特征向量。基于此，需要多个训练主体联合训练出一个模型，但是各个训练主体为了保护各自的训练数据，因此，训练主体间难以实现训练数据的共享。

基于此，可以使用联邦学习训练分类模型，保证训练主体在保持独立性的情况下，进行信息与模型参数的加密交换。第一模型在利用联邦学习训练的过程中，使用了FedAvg(即，联邦平均算法)。

针对联合多个训练主体的联邦学习场景，可以采用客户端/服务器架构。假设一共有K个训练主体，中心服务器可以对第一模型的模型参数进行初始化，然后执行若干轮模型训练，每轮选取至少1个至k个训练主体参与训练，其中，K为正整数，k为小于K的正整数。中心服务器向被选中的训练主体各自的训练服务器发送调用指令，由训练服务器根据中心服务器下发的本轮(即t轮)模型参数W

其中n

基于上述方法，可以使多个训练主体协同训练出一个性能较高的、鲁棒性强的分类模型。

根据本公开的实施例，通过从多个训练服务器中确定目标服务器，并调用多个目标服务器，利用与多个目标训练服务器各自对应的多个目标训练特征向量，训练与多个目标训练服务器各自对应的多个第一模型，得到与多个第一模型各自对应的多个模型参数，根据多个模型参数，确定新的模型参数，由此，可以在避免训练服务器进行数据交互一起训练第一模型的情况下，充分利用训练服务器的目标训练特征向量进行模型训练，不但保障了训练服务器的数据安全，而且提高了训练得到的第一目标模型的模型效果。

图5示意性示出了根据本公开实施例的第一目标模型的结构示意图。

如图5所示，第一目标模型包括目标词级编码层510、多模态信息融合层520、片段编码层530和全连接层540。其中，多模态信息融合层520可以包括BiLSTM神经网络，可以用于提取得到训练文本片段特征向量和训练音频片段特征向量，将训练文本片段特征向量和训练音频片段特征向量进行拼接处理，得到目标训练片段拼接向量，但不限于此。。

根据本公开的实施例，实验中设置共6个训练主体，共收集到63000个训练文本和其所对应的训练音频，丢弃掉其中训练文本和训练音频在句子层面上无法对齐的部分数据，剩下42500个训练文本和其对应的训练音频组成最终的数据集。

可以将本公开的第一目标模型与基线模型进行比较，来验证本发明提出方法的有效性。实验结果如表1所示：

表1对比第一目标模型与基线模型分类的准确率

其中，LSTM(Long Short Term Memory，长短期记忆)是一种递归神经网络，TextCNN是一种利用卷积神经网络对文本进行分类的算法，BiLSTM+CNN可以是一种双向长短期记忆模型。

从表1的对比结果可以看出第一目标模型优于其他的基线模型。其中，基于深度学习的文本分类方法(即LSTM，TextCNN，BiLSTM+CNN和第一目标模型)相较于基于传统机器学习的文本分类方法(即朴素贝叶斯，支持向量机，随机森林)分类的准确率有显著提升。这是因为基于深度学习的文本分类方法能够在训练过程中自动提取特征，相较于传统机器学习有更强大的学习能力和高效的特征表达能力。第一目标模型分类的准确率达到了97.28％，不仅是因为引入了音频辅助实现训练文本分类，也加入了两个领域内自适应预训练任务，更好的获取了片段内词与词之间的长距离依赖关系，提取更重要的片段信息，聚焦关键特征，实现了对训练文本较好的分类性能。

根据本公开的实施例，使用精度(Precision)、召回率(Recall)和F1值评估本发明提出的模型在9类文本上的分类性能，其中，F1值是统计学中用来衡量二分类模型精确度的一种指标。实验结果如表2所示：

表2对各类训练文本分类情况评估

从表2中的结果可以看出第一目标模型能够较好的分类出交易了和市场类的金融文本。但是对机构类的分类性能较差，原因可能是机构类文本的内容表述较不明确，例如机构类的文本往往会包含该机构的状况以及该机构的信用评估等等，所以机构类的文本可能会被错误的标记为其他类的文本。但是总体来说，第一目标模型在包括训练文本数字的训练文本分类上具有较好的性能，精度、召回率和F1值均达到了0.90。

根据本公开的实施例，在一些实施例中，文本分类方法忽视了数字在一些领域的文本中的重要性，并未充分利用数字含义和数字结构来分类待分类文本。基于此，通过上述第一目标模型，可以充分利用数字含义和数字结构来对待分类文本进行分类。

基于上述文本分类方法，本公开还提供了一种文本分类装置。以下将结合图6对该装置进行详细描述。

图6示意性示出了根据本公开实施例的文本分类装置的结构框图。

如图6所示，该实施例的文本分类装置600包括第一提取模块610、第一获取模块620、第二提取模块630和第二获取模块640。

第一提取模块610用于对待分类文本中的文本片段进行特征提取，得到文本词特征向量和文本数字特征向量。在一实施例中，第一提取模块610可以用于执行前文描述的操作S210，在此不再赘述。

第一获取模块620用于根据文本词特征向量和文本数字特征向量，得到文本片段的文本片段特征向量。在一实施例中，第一获取模块620可以用于执行前文描述的操作S220，在此不再赘述。

第二提取模块630用于对与待分类文本对应的音频中的音频片段进行特征提取，得到音频片段特征向量，其中，音频片段与文本片段相互对应。在一实施例中，第二提取模块630可以用于执行前文描述的操作S230，在此不再赘述。

第二获取模块640用于根据文本片段特征向量和音频片段特征向量，得到待分类文本的类别信息。在一实施例中，第二获取模块640可以用于执行前文描述的操作S240，在此不再赘述。

根据本公开的实施例，第二提取模块630包括第一提取子模块和初始化模块。其中，第一提取子模块用于按照不同的特征类型，对音频片段进行特征提取，得到多个类型的音频片段特征向量；初始化模块用于对多个类型的音频片段特征向量进行初始化处理，得到具有多个维度的音频片段特征向量，其中，多个维度和多个类型之间一一对应。

根据本公开的实施例，上述文本分类装置还包括处理子模块。其中，处理子模块用于利用文本处理工具处理待分类文本和与待分类文本对应的音频，得到文本片段和与文本片段对应的音频片段。

根据本公开的实施例，第一提取模块610、第一获取模块620、第二提取模块630、第二获取模块640中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一提取模块610、第一获取模块620、第二提取模块630、第二获取模块640中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一提取模块610、第一获取模块620、第二提取模块630和第二获取模块640中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

基于上述文本分类模型训练方法，本公开还提供了一种文本分类模型训练装置。以下将结合图7对该装置进行详细描述。

图7示意性示出了根据本公开实施例的文本分类模型训练装置的结构框图。

如图7所示，该实施例的文本分类模型训练装置700包括第三提取模块710、第三获取模块720、第四提取模块730和训练模块740。

第三提取模块710用于对训练文本中的训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量。在一实施例中，第三提取模块710可以用于执行前文描述的操作S310，在此不再赘述。

第三获取模块720用于根据训练文本词特征向量和训练文本数字特征向量，得到训练文本片段的训练文本片段特征向量。在一实施例中，第三获取模块720可以用于执行前文描述的操作S320，在此不再赘述。

第四提取模块730用于对与训练文本对应的训练音频中的训练音频片段进行特征提取，得到训练音频片段特征向量，其中，训练音频片段与训练文本片段相互对应。在一实施例中，第四提取模块730可以用于执行前文描述的操作S330，在此不再赘述。

训练模块740用于利用训练文本片段特征向量和训练音频片段特征向量训练第一模型，得到第一目标模型，其中，第一目标模型用于确定待分类文本的类别信息。在一实施例中，训练模块740可以用于执行前文描述的操作S340，在此不再赘述。

根据本公开的实施例，训练模块740包括获取子模块和训练子模块。其中，获取子模块用于根据训练文本片段特征向量、训练音频片段特征向量和噪声向量，得到目标训练特征向量；训练子模块用于将目标训练特征向量输入第一模型，利用目标梯度下降算法，训练第一模型，得到第一目标模型，其中，目标梯度下降算法是利用梯度裁剪方法处理原始梯度下降算法得到的。

根据本公开的实施例，获取子模块包括拼接单元、第一获取单元、第二获取单元和添加单元。其中，拼接单元用于对训练文本片段特征向量和训练音频片段特征向量进行拼接处理，得到训练片段拼接向量；第一获取单元用于根据训练文本片段在训练文本中的位置信息，得到与训练文本片段对应的片段位置向量；第二获取单元用于根据片段位置向量和训练片段拼接向量，得到目标训练片段拼接向量；添加单元用于将噪声向量添加到目标训练片段拼接向量中，得到目标训练特征向量。

根据本公开的实施例，添加单元包括添加子单元和编码子单元。其中，添加子单元用于将噪声向量添加至目标训练片段拼接向量，得到目标片段噪声向量；编码子单元用于根据目标片段噪声向量的片段结构，对目标片段噪声向量进行编码处理，得到目标训练特征向量。

根据本公开的实施例，训练子单元包括第一确定单元、训练单元、第二确定单元和第三获取单元。其中，第一确定单元用于从多个训练服务器中，确定多个目标训练服务器；训练单元用于调用多个目标训练服务器，利用与多个目标训练服务器各自对应的多个目标训练特征向量，训练与多个目标训练服务器各自对应的多个第一模型，得到与多个第一模型各自对应的多个模型参数；第二确定单元用于根据多个模型参数，确定新的模型参数；第三获取单元用于在模型参数满足预设条件的情况下，根据满足预设条件的模型参数和第一模型，得到第一目标模型。

根据本公开的实施例，其中，第三提取模块710包括第二提取子模块。其中，第二提取子模块用于利用目标词级编码层对训练文本片段进行特征提取，得到训练文本词特征向量和训练文本数字特征向量。

根据本公开的实施例，第三提取模块710、第三获取模块720、第四提取模块730和训练模块740中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第三提取模块710、第三获取模块720、第四提取模块730和训练模块740中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第三提取模块710、第三获取模块720、第四提取模块730和训练模块740中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图8示意性示出了根据本公开实施例的适于实现文本分类方法或者文本分类模型训练方法的电子设备的方框图。

如图8所示，根据本公开实施例的电子设备800包括处理器801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 803中，存储有电子设备800操作所需的各种程序和数据。处理器801、ROM802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备800还可以包括输入/输出(I/O)接口805，输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至输入/输出(I/O)接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至输入/输出(I/O)接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的方法。

在该计算机程序被处理器801执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分809被下载和安装，和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。