[发明专利]邮件分类方法和装置

权利要求书

1.一种邮件分类方法，其特征在于，包括：

对于预先确定的每个邮件类别，根据待分类邮件的特征词，计算出所述待分类邮件属于该邮件类别的概率后，将计算出的概率作为对应该邮件类别的概率；

将计算出的对应各邮件类别的概率进行排序，并判断所述待分类邮件的特征词中是否包括最大的概率所对应的邮件类别的至少一个关键词；若是，则将所述待分类邮件划分到最大的概率所对应的邮件类别中；否则：

计算出最大的概率和排序第二的概率的差值，并计算该差值与最大的概率的比值；若判定计算出的比值小于设定差率阈值，且所述待分类邮件的特征词中包括有排序第二的概率所对应的邮件类别的至少一个关键词，则将所述待分类邮件划分到排序第二的概率所对应的邮件类别中。

2.如权利要求1所述的方法，其特征在于，所述计算出所述待分类邮件属于该邮件类别的概率之前，还包括：

确定出所述待分类邮件的特征词中包含于该邮件类别的特征词典中的特征词的个数，计算确定出的个数与所述待分类邮件的特征词的总数的比值，作为所述待分类邮件在该邮件类别下的特征词出现比率；并确认所述待分类邮件在该邮件类别下的特征词出现比率大于设定的比率阈值。

3.如权利要求2所述的方法，其特征在于，所述邮件类别的关键词是预先确定的：

针对每个邮件类别，对于该邮件类别的特征词典中的每个特征词，预先统计出该邮件类别中包含该特征词的样本邮件的数量并进行由大到小排序；将排序靠前的设定个数的特征词作为该邮件类别的关键词。

4.如权利要求3所述的方法，其特征在于，对于预先确定的每个邮件类别，根据待分类邮件的特征词，计算出所述待分类邮件属于该邮件类别的概率，具体包括：

记第i个邮件类别为C_i，所述待分类邮件的n个特征词分别为F₁,F₂,...,F_n，计算出如下式1的值，将其作为所述待分类邮件属于第i个邮件类别的概率：

P(C_i)P(F₁|C_i)P(F₂|C_i)...P(F_n|C_i)   (式1)

式1中，P(Fk|Ci)=fFk+1fCi+1,P(Ci)=SCiS;]]>

其中，k取1～n之间的自然数；为特征词F_k在邮件类别C_i的邮件数据样本集中出现的次数；为邮件类别C_i的特征词典中的各特征词在邮件类别C_i的邮件数据样本集中出现的次数之和；为邮件类别C_i的邮件数据样本集中的样本邮件的数量；S为各邮件类别的邮件数据样本集中的样本邮件的数量之和。