专利交易市场

本发明实施例提供了一种文本特征提取方法、装置、电子设备及可读存储介质，方案如下：可以获取包含第一文本区域的待处理图像；将待处理图像输入预设卷积神经网络，得到第一文本区域的第一文本特征信息。其中，预设卷积神经网络是通过包含样本文本区域的多组样本图像训练得到的，每组样本图像包括：样本文本区域中包含相同文本内容信息的第一样本图像，以及样本文本区域中包含的文本内容信息与所述第一样本图像的文本内容信息不同的第二样本图像。通过本发明实施例提供的方案，可以在文本特征提取过程中，提高文本特征信息提取的准确度，进而提高视频数据中文本区域图像匹配的准确度。

本专利公开发明了一种基于TF‑IDF和CNN启发式短文本特征提取与分类方法，首先对短文本集用结巴分词工具实现中文的文本分词，然后去除文本噪声词，得到文本数据集UNION，其次使用TF‑IDF特征选择方法处理文本数据集UNION，得出选择后的文本特征值VALUE1，将VALUE1导入到卷积神经网络模型，集成标签并且生成批处理迭代器M，接着使用嵌入层、卷积层、池化层和softmax方法搭建CNN神经网络文本分类模型，导入M到模型中，然后配置训练集模型的超参数和训练参数，给出训练集每1步和测试集每100步的损失函数和准确度，生成训练模型MODEL，最后将待分类短文本集进行预处理之后，得到数据集VALUE2，导入MODEL到预测模型，得出分类结果。本发明不仅节约了计算时间，而且准确率高。