[发明专利]一种面向类间交叠的两类文本分类方法

权利要求书

1.一种面向类间交叠的两类文本分类方法，其特征在于，该方法包括以下步骤：

a.类间交叠区域训练样本识别

采用类间交叠区域训练样本识别方法形成类标号为A和B的两类训练样本向量，将类标号为A和B的两类训练样本向量分别划分为类标号分别为A1、A2和B1、B2四类，其中A2、B2分别为类A和类B的处于交叠区域的训练样本的类标号，A1、B1分别两类剩余训练样本的类标号；

b.分类器构建

b1.第一层分类器构建：将类标号分别为A2、B2的训练样本向量集合合并，定义其类标号为C，在具有A1、B1和C三个类标号的训练样本向量集合上构建第一层最近邻分类器；

b2.第二层分类器构建：在类标号分别为A2、B2的训练样本集合上，提取相邻两个词性为动词或名词构成的二元词串作为特征，类标号分别为A2、B2的训练样本集合上构建第二层支持向量机分类器；

c.测试样本分类

c1.第一层分类：测试样本进入第一层分类器，第一层分类器判别测试样本的类标号为C，则输入第二层分类器，否则类标号转换后直接输出作为结果，此处的类标号转换方法为：若判别测试样本为A1类，则输出类标号为A，若测试样本判别为B1类，则输出类标号为B；

c2.第二层分类：对在c1步骤中被判别为类标号C的测试样本，采用第二层分类器对其进行分类，类标号转换后直接输出作为结果，此处的类标号转换方法为：若判别测试样本为A2类，则输出类标号为A，判别为B2类，则输出类标号为B。

2.根据权利要求1所述面向类间交叠的两类文本分类方法，其特征在于，所述类间交叠区域训练样本识别方法具体包括如下步骤：

以词作为特征，采用传统特征选择方法，提取最优特征，计算权重，形成训练样本向量；对训练样本集合中每个样本向量，利用KNN算法计算与其最近的3个训练样本向量，其中k＝3；利用判别准则，判断是否为类间交叠区域的训练样本；其中，传统特征选择方法为选择信息增益、互信息、文本证据权中任一种方法；判别准则为：若某训练样本向量，与其余弦相似度最高的三个训练样本向量所在类标号中，有两个与该样本向量类标号相反，则其属于类间交叠区域训练样本。