[发明专利]一种数据分类的方法及装置

权利要求书

1.一种数据分类的方法，其特征在于，包括：

获取需要进行分类的各商品的相关数据，并提取出其中的商品标题；

对各商品标题分别进行分词划分，并确定各分词的权重，其中，各分词的权重用于表示该分词的历史出现频率；

针对不同的商品分别选取权重取值符合预设条件的分词组成分词序列；

将针对各商品选取的分词序列进行比较，并将分词序列相同的商品的相关数据进行合并。

2.如权利要求1所述的方法，其特征在于，对各商品标题进行分词划分后，根据划分结果，调整各分词的权重取值。

3.如权利要求1所述的方法，其特征在于，所述将分词序列相同的商品的相关数据进行合并，包括：

将分词序列相同的商品的相关数据直接进行合并；

或者

获取分词序列相同的商品的指定属性值，并将指定属性值相同的商品的相关数据进行合并。

4.如权利要求1、2或3所述的方法，其特征在于，将分词序列相同的商品的相关数据进行合并后，包括：

分别计算任意两类商品的分词序列的相似度；

将获得的任意两类商品的分词序列的相似度，分别与设定阈值进行比较，将分词序列的相似度达到设定阈值的两类商品的相关数据进行合并。

5.如权利要求4所述的方法，其特征在于，计算所述任意两类商品的分词序列的相似度时，采用以下公式：

e-λ1*|TD1-TD2|*e-λ2*|prop1-prop2|*11+e-[a-max(n1-n2)]/b]]>

其中，TD1和TD2为分别进行比较的两类商品的分词序列，prop1和prop2为分别进行比较的两类商品对应的主属性值，λ₁和λ₂是预设的控制系数，a和b为预设的参量，n1和n2分别用于表示进行相似度比较的两类商品中各自包含的商品数目。

6.如权利要求4所述的方法，其特征在于，将分词序列的相似度达到设定阈值的两类商品的相关数据进行合并后，按照预设次数执行迭代操作。

7.如权利要求1、2或3所述的方法，其特征在于，针对合并后获得的每一类商品分别设置相应的商品标识ID，并进行保存。

8.一种用于进行商品分类的装置，其特征在于，包括：

提取单元，用于获取需要进行分类的各商品的相关数据，并提取出其中的商品标题；

划分单元，用于对各商品标题分别进行分词划分，并确定各分词的权重，其中，各分词的权重用于表示该分词的历史出现频率；

选取单元，用于针对不同的商品分别选取权重取值符合预设条件的分词组成分词序列；

合并单元，用于将针对各商品选取的分词序列进行比较，并将分词序列相同的商品的相关数据进行合并。

9.如权利要求6所述的装置，其特征在于，所述划分单元对各商品标题进行分词划分后，根据划分结果，调整各分词的权重取值。