CN109597888A - 建立文本领域识别模型的方法、装置 - Google Patents

Abstract

本发明提供了一种建立文本领域识别模型的方法、装置，所述方法包括：获取未进行领域分类的文本；利用领域分类模板标注所述文本所属的领域；将各文本作为输入，将各文本标注的领域作为输出，训练分类模型，得到文本领域识别模型；其中，利用所述文本领域识别模型能够识别用户所输入的文本所属的领域。本发明能够解决现有技术单独使用模板分类或模型分类所导致的过拟合问题，进而提升文本领域识别模型对文本所属领域识别的准确度。

Description

建立文本领域识别模型的方法、装置

【技术领域】

本发明涉及自然语言处理技术领域，尤其涉及一种建立文本领域识别模型的方法、装置、设备和计算机存储介质。

【背景技术】

在一些新闻资讯系统中，获取用户所输入的查询文本后，需要从推荐、问答、聊天等领域模块中选择正确的领域模块来下发用户的查询请求，因此一个亟需解决的问题就是如何识别用户输入的查询文本的领域。

现有技术在识别文本所属的领域时，一般会采用单独使用模板或者学习模型的方式，而单独使用两种分类方式识别文本所属的领域时会存在以下的局限性。其中，在单独使用学习模型识别文本领域时，最主要的缺点在于：若无法获取充足的标注数据，会导致训练得到的分类模型存在较严重的过拟合问题，从而无法准确地识别文本所属领域。而在单独使用模板识别文本领域时，最主要的缺点在于：若想要实现文本所属领域的准确识别，需要由人工配置大量的分类模板，因此人力耗费巨大，若分类模板的数量较少，则同样会存在较严重的过拟合问题。

【发明内容】

有鉴于此，本发明提供了一种建立文本领域识别模型的方法、装置、设备和计算机存储介质，用于解决现有技术单独使用模板分类或模型分类所导致的过拟合问题，提升文本领域识别模型对文本所属领域的识别准确度。

本发明为解决技术问题所采用的技术方案是提供一种建立文本领域识别模型的方法，所述方法包括：获取未进行领域分类的文本；利用领域分类模板标注所述文本所属的领域；将各文本作为输入，将各文本标注的领域作为输出，训练分类模型，得到文本领域识别模型；其中，利用所述文本领域识别模型能够识别用户所输入文本所属的领域。

根据本发明一优选实施例，所述领域分类模板通过以下方式获取：获取各领域的常用文本；对所述常用文本进行切词，以获取所述常用文本中各词语的语义；根据所述常用文本中各词语的语义对所述常用文本进行泛化；将所述常用文本的泛化结果作为所述常用文本所属领域的领域分类模板。

根据本发明一优选实施例，所述利用领域分类模板标注所述文本所属的领域包括：对所述文本进行切词，以获取所述文本中各词语的语义；根据所述文本中各词语的语义对所述文本进行泛化，以得到所述文本的泛化结果；判断所述文本的泛化结果是否命中所述领域分类模板；若所述文本的泛化结果命中所述领域分类模板，则将所命中的领域分类模板对应的领域标注为所述文本所属的领域；若所述文本的泛化结果未命中所述领域分类模板，则将所述文本所属的领域标注为预设领域。

根据本发明一优选实施例，所述判断所述文本的泛化结果是否命中所述领域分类模板包括：计算所述文本的泛化结果与所述领域分类模板之间的文本相似度；若计算所得到的文本相似度大于预设阈值，则确定所述文本的泛化结果命中所述领域分类模板，否则确定未命中。

根据本发明一优选实施例，在利用领域分类模板标注所述文本所属的领域之后，还包括：将所述文本的泛化结果作为所述文本所属领域的领域分类模板。

本发明为解决技术问题所采用的技术方案是提供一种建立文本领域识别模型的装置，所述装置包括：获取单元，用于获取未进行领域分类的文本；标注单元，用于利用领域分类模板标注所述文本所属的领域；训练单元，用于将各文本作为输入，将各文本标注的领域作为输出，训练分类模型，得到文本领域识别模型。

根据本发明一优选实施例，所述标注单元通过以下方式获取所述领域分类模板：获取各领域的常用文本；对所述常用文本进行切词，以获取所述常用文本中各词语的语义；根据所述常用文本中各词语的语义对所述常用文本进行泛化；将所述常用文本的泛化结果作为所述常用文本所属领域的领域分类模板。

根据本发明一优选实施例，所述标注单元在利用领域分类模板标注所述文本所属的领域时，具体执行：对所述文本进行切词，以获取所述文本中各词语的语义；根据所述文本中各词语的语义对所述文本进行泛化，以得到所述文本的泛化结果；判断所述文本的泛化结果是否命中所述领域分类模板；若所述文本的泛化结果命中所述领域分类模板，则将所命中的领域分类模板对应的领域标注为所述文本所属的领域；若所述文本的泛化结果未命中所述领域分类模板，则将所述文本所属的领域标注为预设领域。

根据本发明一优选实施例，所述标注单元在判断所述文本的泛化结果是否命中所述领域分类模板时，具体执行：计算所述文本的泛化结果与所述领域分类模板之间的文本相似度；若计算所得到的文本相似度大于预设阈值，则确定所述文本的泛化结果命中所述领域分类模板，否则确定未命中。

根据本发明一优选实施例，所述标注单元在利用领域分类模板标注所述文本所属的领域之后，还执行：将所述文本的泛化结果作为所述文本所属领域的领域分类模板。

由以上技术方案可以看出，本发明通过融合模板分类以及模型分类的方式得到文本领域识别模型，能够缓解现有的文本领域识别方式的局限性，有效地避免单独使用分类模板或分类模型进行文本领域识别时所存在的过拟合问题，从而达到更好的识别效果。

【附图说明】

图1为本发明一实施例提供的建立文本领域识别模型的方法流程图；

图2为本发明一实施例提供的建立文本领域识别模型的装置结构图；

图3为本发明一实施例提供的计算机系统/服务器的框图。

【具体实施方式】

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

图1为本发明一实施例提供的一种建立文本领域识别模型的方法流程图，如图1中所示，所述方法包括：

在101中，获取未进行领域分类的文本。

在本步骤中，获取未进行领域分类的文本，即获取未标注所属领域的文本。

可以理解的是，可以通过数据挖掘的方式，从互联网中获取大量未进行领域分类的文本，例如从网络搜索日志中挖掘用户所输入的搜索查询词；也可以通过人工收集的方式获取大量未进行领域分类的的文本。本发明对获取未进行领域分类的文本的方式不进行限定。

在102中，利用领域分类模板标注所述文本所属的领域。

在本步骤中，利用领域分类模板对步骤101中所获取的未进行领域分类的文本所属的领域进行标注，从而确定各文本所属的领域。

其中，本步骤可以采用以下方式获取领域分类模板：获取各领域的常用文本，即获取各领域中常用的、具有代表性的文本；对常用文本进行切词，以获取常用文本中各词语的语义；根据常用文本中各词语的语义对常用文本进行泛化，将常用文本的泛化结果作为该常用文本所属领域的领域分类模板。另外，领域分类模板也可以是预先存在的，直接获取预先存在的领域分类模板进行对文本所属领域的标注。

可以理解的是，可以将各领域中出现频率高于预设频率的文本作为该领域的常用文本；也可以从各领域的文本中随机挑选N条文本作为该领域的常用文本，其中N为大于等于1的正整数；也可以通过人工收集的方式获取各领域的常用文本。本发明对获取各领域的常用文本的方式不进行限定。

其中，领域分类模板用于对文本所属的领域进行分类，一个领域分类模板对应唯一一个领域，但一个领域中会存在多个不同的领域分类模板。

具体地，本步骤在利用领域分类模板标注文本所属的领域时，可以采用以下方式：对文本进行切词，以获取文本中各词语的语义；根据文本中各词语的语义对文本进行泛化，以得到文本的泛化结果；判断文本的泛化结果是否命中领域分类模板；若文本的泛化结果命中领域分类模板，则将所命中的领域分类模板对应的领域标注为文本所属的领域，若文本的泛化结果未命中领域分类模板，则将文本所属的领域标注为预设领域。其中，预设领域可以为用户单独设置的领域，也可以为各领域中的任意一个领域。

可以理解的是，在判断文本的泛化结果是否命中领域分类模板时，可以采用以下方式：计算文本的泛化结果与领域分类模板之间的文本相似度；判断计算所得到的文本相似度是否大于预设阈值，若计算所得到的文本相似度大于预设阈值，则确定文本的泛化结果命中领域分类模板，否则文本的泛化结果未命中领域分类模板。

另外，本步骤在利用领域分类模板标注文本所属的领域之后，还可以包括以下内容：将文本的泛化结果作为文本所属领域的领域分类模板。即在标注文本所属的领域之后，将文本的泛化结果作为对应领域的领域分类模板，再去对其它文本所属的领域进行标注，以此循环。

也就是说，本步骤在完成对文本所属领域的标注之后，将文本的泛化结果作为该文本所属领域的领域分类模板，从而不断地增加各领域中的领域分类模板，进一步提升各领域中领域分类模板的分类能力，从而更加精准地对文本所属的领域进行标注。

可以理解的是，本步骤除了能够得到大量已标注领域的文本之外，还能够得到大量能够识别文本所属领域的领域分类模板。因此本发明也可以仅利用所得到的全部领域分类模板，便能够实现识别用户所输入的文本所属领域的目的，而无需在进行分类模型的训练后，再利用训练得到的文本领域识别模型来获取文本所属的领域。

本步骤通过领域分类模板对文本所属领域进行标注的方式，无需由人工进行文本领域的标注，便能够得到大量已标注其所属领域的文本，进而利用所得到的已标注领域的文本训练得到文本领域识别模型。

在103中，将各文本作为输入，将各文本标注的领域作为输出，训练分类模型，以得到文本领域识别模型。

在本步骤中，将各文本以及步骤102所标注的各文本所属的领域作为训练样本，将各文本作为输入，将各文本标注的领域作为输出，训练分类模型，从而得到文本领域识别模型。通过训练所得到的文本领域识别模型，便能够实现根据用户输入的文本得到该文本所属的领域的目的。

其中，分类模型可以为支持向量机、神经网络模型、深度学习模型等，本发明对分类模型的类型不进行限定。

由于步骤102能够获取大量的已标注领域的文本，因此本步骤根据足够的标注数据训练得到的文本领域识别模型，能够更加准确地识别文本所属的领域。

通过本发明所提供的融合模板分类以及模型分类的方式实现对文本所属领域的识别，能够在训练初期根据少量的领域分类模板获取大量标注领域的文本，且能够相应地获取大量的领域分类模板，无需再由人工配置大量的领域分类模板，从而减少人力损耗；而在训练后期，能够根据充足的已标注领域的文本对分类模型进行训练，从而能够缓解现有分类方式在不同训练时段内的局限性，有效地避免单独使用分类模板或分类模型在进行文本领域识别时所存在的过拟合问题，从而使所得到的文本领域识别模型具有更好的识别效果。

图2为本发明一实施例提供的一种建立文本领域识别模型的装置结构图，如图2中所示，所述装置包括：获取单元21、标注单元22以及训练单元23。

获取单元21，用于获取未进行领域分类的文本。

获取单元21获取未进行领域分类的文本，即获取未标注所属领域的文本。

可以理解的是，获取单元21可以通过数据挖掘的方式，从互联网中获取大量未进行领域分类的文本，例如从网络搜索日志中挖掘用户所输入的搜索查询词；获取单元21也可以通过人工收集的方式获取大量未进行领域分类的的文本。本发明对获取未进行领域分类的文本的方式不进行限定。

标注单元22，用于利用领域分类模板标注所述文本所属的领域。

标注单元22利用领域分类模板对获取单元21中所获取的未进行领域分类的文本所属的领域进行标注，从而确定各文本所属的领域。

其中，标注单元22可以采用以下方式获取领域分类模板：获取各领域的常用文本，即获取各领域中常用的、具有代表性的文本；对常用文本进行切词，以获取常用文本中各词语的语义；根据常用文本中各词语的语义对常用文本进行泛化，将常用文本的泛化结果作为该常用文本所属领域的领域分类模板。

可以理解的是，标注单元22可以将各领域中出现频率高于预设频率的文本作为该领域的常用文本；标注单元22也可以从各领域的文本中随机挑选N条文本作为该领域的常用文本，其中N为大于等于1的正整数；标注单元22也可以通过人工收集的方式获取各领域的常用文本。本发明对获取各领域的常用文本的方式不进行限定。

其中，领域分类模板用于对文本所属的领域进行分类，一个领域分类模板对应唯一一个领域，但一个领域中会存在多个不同的领域分类模板。

具体地，标注单元22在利用领域分类模板标注文本所属的领域时，可以采用以下方式：对文本进行切词，以获取文本中各词语的语义；根据文本中各词语的语义对文本进行泛化，以得到文本的泛化结果；判断文本的泛化结果是否命中领域分类模板；若文本的泛化结果命中领域分类模板，则将所命中的领域分类模板对应的领域标注为文本所属的领域，若文本的泛化结果未命中领域分类模板，则将文本所属的领域标注为预设领域。其中，预设领域可以为用户单独设置的领域，也可以为各领域中的任意一个领域。

可以理解的是，标注单元22在判断文本的泛化结果是否命中领域分类模板时，可以采用以下方式：计算文本的泛化结果与领域分类模板之间的文本相似度；判断计算所得到的文本相似度是否大于预设阈值，若计算所得到的文本相似度大于预设阈值，则确定文本的泛化结果命中领域分类模板，否则文本的泛化结果未命中领域分类模板。

另外，标注单元22在利用领域分类模板标注文本所属的领域之后，还可以包括以下内容：将文本的泛化结果作为文本所属领域的领域分类模板。即在标注文本所属的领域之后，标注单元22将该文本的泛化结果作为对应领域的领域分类模板，再去对其它文本所属的领域进行标注，以此循环，从而实现无需人工便能够获取大量的领域分类模板。

也就是说，标注单元22在完成对文本所属领域的标注之后，将文本的泛化结果作为该文本所属领域的领域分类模板，从而不断地增加各领域中的领域分类模板，进一步提升各领域中领域分类模板的分类能力，从而更加精准地对文本所属的领域进行标注。

可以理解的是，标注单元22除了能够得到大量已标注领域的文本之外，还能够得到大量能够识别文本所属领域的领域分类模板。因此本发明也可以仅利用所得到的全部领域分类模板，便能够实现识别用户所输入的文本所属领域的目的，而无需在进行分类模型的训练后，再利用训练得到的文本领域识别模型来获取文本所属的领域。

标注单元22通过领域分类模板对文本所属领域进行标注的方式，无需由人工进行文本领域的标注，便能够得到大量已标注其所属领域的文本，进而利用所得到的已标注领域的文本训练得到文本领域识别模型。

训练单元23，用于将各文本作为输入，将各文本标注的领域作为输出，训练分类模型，以得到文本领域识别模型。

训练单元23将各文本以及标注单元22所标注的各文本所属的领域作为训练样本，即将各文本作为输入，将各文本标注的领域作为输出，训练分类模型，从而得到文本领域识别模型。通过训练单元23训练所得到的文本领域识别模型，便能够实现根据用户输入的文本得到该文本所属的领域的目的。

其中，分类模型可以为支持向量机、神经网络模型、深度学习模型等，本发明对分类模型的类型不进行限定。

由于标注单元22能够获取大量的已标注领域的文本，因此训练单元23根据足够的标注数据训练得到的文本领域识别模型，能够有效地避免过拟合问题，从而更加准确地识别文本所属的领域。

图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图3显示的计算机系统/服务器012仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图3所示，计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于：一个或者多个处理器或者处理单元016，系统存储器028，连接不同系统组件(包括系统存储器028和处理单元016)的总线018。

总线018表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器028可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统034可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块042的程序/实用工具040，可以存储在例如存储器028中，这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。

计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信，在本发明中，计算机系统/服务器012与外部雷达设备进行通信，还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信，和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且，计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白，尽管图3中未示出，可以结合计算机系统/服务器012使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元016通过运行存储在系统存储器028中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的方法流程。

上述的计算机程序可以设置于计算机存储介质中，即该计算机存储介质被编码有计算机程序，该程序在被一个或多个计算机执行时，使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。例如，被上述一个或多个处理器执行本发明实施例所提供的方法流程。

随着时间、技术的发展，介质含义越来越广泛，计算机程序的传播途径不再受限于有形介质，还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、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。在本文件中，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。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

利用本发明所提供的技术方案，通过融合模板分类以及模型分类的方式得到文本领域识别模型，能够缓解现有的文本领域识别方式的局限性，有效地避免单独使用分类模板或分类模型进行文本领域识别时所存在的过拟合问题，从而提升文本领域识别模型对文本所属领域识别的准确度。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (12)

1.一种建立文本领域识别模型的方法，其特征在于，所述方法包括：

获取未进行领域分类的文本；

利用领域分类模板标注所述文本所属的领域；

将各文本作为输入，将各文本标注的领域作为输出，训练分类模型，得到文本领域识别模型；

其中，利用所述文本领域识别模型能够识别用户所输入的文本所属的领域。

2.根据权利要求1所述的方法，其特征在于，所述领域分类模板通过以下方式获取：

获取各领域的常用文本；

对所述常用文本进行切词，以获取所述常用文本中各词语的语义；

根据所述常用文本中各词语的语义对所述常用文本进行泛化；

将所述常用文本的泛化结果作为所述常用文本所属领域的领域分类模板。

3.根据权利要求1所述的方法，其特征在于，所述利用领域分类模板标注所述文本所属的领域包括：

对所述文本进行切词，以获取所述文本中各词语的语义；

根据所述文本中各词语的语义对所述文本进行泛化，以得到所述文本的泛化结果；

判断所述文本的泛化结果是否命中所述领域分类模板；

若所述文本的泛化结果命中所述领域分类模板，则将所命中的领域分类模板对应的领域标注为所述文本所属的领域；

若所述文本的泛化结果未命中所述领域分类模板，则将所述文本所属的领域标注为预设领域。

4.根据权利要求3所述的方法，其特征在于，所述判断所述文本的泛化结果是否命中所述领域分类模板包括：

计算所述文本的泛化结果与所述领域分类模板之间的文本相似度；

若计算所得到的文本相似度大于预设阈值，则确定所述文本的泛化结果命中所述领域分类模板，否则确定未命中。

5.根据权利要求1所述的方法，其特征在于，在利用领域分类模板标注所述文本所属的领域之后，还包括：

将所述文本的泛化结果作为所述文本所属领域的领域分类模板。

6.一种建立文本领域识别模型的装置，其特征在于，所述装置包括：

获取单元，用于获取未进行领域分类的文本；

标注单元，用于利用领域分类模板标注所述文本所属的领域；

训练单元，用于将各文本作为输入，将各文本标注的领域作为输出，训练分类模型，得到文本领域识别模型。

7.根据权利要求6所述的装置，其特征在于，所述标注单元通过以下方式获取所述领域分类模板：

获取各领域的常用文本；

对所述常用文本进行切词，以获取所述常用文本中各词语的语义；

根据所述常用文本中各词语的语义对所述常用文本进行泛化；

将所述常用文本的泛化结果作为所述常用文本所属领域的领域分类模板。

8.根据权利要求6所述的装置，其特征在于，所述标注单元在利用领域分类模板标注所述文本所属的领域时，具体执行：

对所述文本进行切词，以获取所述文本中各词语的语义；

根据所述文本中各词语的语义对所述文本进行泛化，以得到所述文本的泛化结果；

判断所述文本的泛化结果是否命中所述领域分类模板；

若所述文本的泛化结果命中所述领域分类模板，则将所命中的领域分类模板对应的领域标注为所述文本所属的领域；

若所述文本的泛化结果未命中所述领域分类模板，则将所述文本所属的领域标注为预设领域。

9.根据权利要求8所述的装置，其特征在于，所述标注单元在判断所述文本的泛化结果是否命中所述领域分类模板时，具体执行：

计算所述文本的泛化结果与所述领域分类模板之间的文本相似度；

若计算所得到的文本相似度大于预设阈值，则确定所述文本的泛化结果命中所述领域分类模板，否则确定未命中。

10.根据权利要求6所述的装置，其特征在于，所述标注单元在利用领域分类模板标注所述文本所属的领域之后，还执行：

将所述文本的泛化结果作为所述文本所属领域的领域分类模板。

11.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-5中任一所述的方法。