1.一種文本分類方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述訓(xùn)練數(shù)據(jù)集中的每條文本數(shù)據(jù)是對所述原始文本、提示文本以及所述原始文本的類別標(biāo)簽進(jìn)行拼接得到的。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述提示文本包含提示詞，所述提示詞與所述目標(biāo)任務(wù)之間具有多對一或一對一關(guān)系。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述損失函數(shù)采用下述表達(dá)式表示：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述初始化文本分類模型選自：第二代gpt模型、第三代gpt模型、第四代gpt模型、bloom模型。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，將待分類文本輸入所述優(yōu)化文本分類模型，得到文本分類結(jié)果，包括：
7.根據(jù)權(quán)利要求1或6所述的方法，其特征在于，在得到文本分類結(jié)果之后，所述方法還包括：
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述至少基于第一類別標(biāo)簽集，對所述文本分類結(jié)果進(jìn)行糾正，包括：
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述方法還包括：
10.根據(jù)權(quán)利要求8或9所述的方法，其特征在于，所述第一預(yù)設(shè)數(shù)量是根據(jù)所述文本分類結(jié)果包含的字符總數(shù)量確定的，所述字符總數(shù)量越大，所述第一預(yù)設(shè)數(shù)量越大。
11.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述至少基于第一類別標(biāo)簽集，對所述文本分類結(jié)果進(jìn)行糾正，包括：
12.根據(jù)權(quán)利要求11所述的方法，其特征在于，所述方法還包括：
13.根據(jù)權(quán)利要求9或12所述的方法，其特征在于，所述基于所述文本分類結(jié)果的語義特征與第二類別標(biāo)簽集中的每個類別標(biāo)簽的語義特征之間的相似度，對所述文本分類結(jié)果進(jìn)行糾正，包括：
14.根據(jù)權(quán)利要求13所述的方法，其特征在于，所述根據(jù)所述相似度最大的類別標(biāo)簽，確定糾正后的文本分類結(jié)果，包括：
15.一種文本分類裝置，其特征在于，包括：
16.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器運行時執(zhí)行權(quán)利要求1至14任一項所述文本分類方法的步驟。
17.一種終端，包括存儲器和處理器，所述存儲器上存儲有能夠在所述處理器上運行的計算機(jī)程序，其特征在于，所述處理器運行所述計算機(jī)程序時執(zhí)行權(quán)利要求1至14任一項所述文本分類方法的步驟。