[发明专利]一种纠正新闻分类的自动分类方法

权利要求书

1.一种纠正新闻分类的自动分类方法，其特征在于，所述方法包括

(1)设置配置项；

(2)标注样本；

(3)建立词典；

(4)训练模型；

(5)模型测试；

(6)分类纠错预测。

2.如权利要求1所述的一种纠正新闻分类的自动分类方法，其特征在于，所述步骤(1)包括设置配置文件，其包括分类个数、分类名字和分类标签编号。

3.如权利要求1所述的一种纠正新闻分类的自动分类方法，其特征在于，所述步骤(2)包括明确分类的定位以及分类间的交叉定位，根据分类定位进行样本数据的标注。

4.如权利要求1所述的一种纠正新闻分类的自动分类方法，其特征在于，所述步骤(3)包括根据样本数据，均匀取各分类190标注样本，通过分词和过滤，建立词典。

5.如权利要求1所述的一种纠正新闻分类的自动分类方法，其特征在于，所述步骤(3)包括

(3.1)按分类加载各分类的样本数据；

(3.2)对加载数据进行切词；

(3.3)统计词的idf，降序排列；

(3.4)去除停用词、单字词和名字词；

(3.5)降序输出，生成词典。

6.如权利要求1所述的一种纠正新闻分类的自动分类方法，其特征在于，所述步骤(4)包括均匀取各分类150条样本，进行模型训练。

7.如权利要求6所述的一种纠正新闻分类的自动分类方法，其特征在于，所述步骤(4)包括

(4.1)加载配置文件，获得分类信息；

(4.2)加载词典；

(4.3)加载各分类的标注样本数据，编号从0.txt-149.txt，共150条数据，并对样本数据进行切词；

(4.4)样本数据向量化，向量化的顺序依据词典的顺序；

(4.5)将向量化的样本数据推入训练器进行训练；

(4.6)输出训练模型，最优训练模型mdf和13个次优训练模型mdf_Second[13]。

8.如权利要求1所述的一种纠正新闻分类的自动分类方法，其特征在于，所述步骤(5)包括取剩下的40条数据做测试。

9.如权利要求8所述的一种纠正新闻分类的自动分类方法，其特征在于，所述步骤(5)包括

(5.1)加载配置文件，获得分类信息；

(5.2)加载词典；

(5.3)加载决策模型，共14个模型；

(5.4)加载各分类的标注样本数据，编号从150.txt-189.txt，共40条数据，并对样本数据进行切词；

(5.5)样本数据向量化，向量化的顺序依据词典的顺序；

(5.6)将向量化的样本数据推入模型，进行预测；

(5.7)统计预测准确性；

(5.8)通过验证。

10.如权利要求1所述的一种纠正新闻分类的自动分类方法，其特征在于，所述步骤(6)包括对已有标签的数据进行分类预测。

11.如权利要求10所述的一种纠正新闻分类的自动分类方法，其特征在于，所述步骤(6)包括

(6.1)加载配置文件和词典；

(6.2)加载决策模型，共14个决策模型；

(6.3)对输入的数据进行向量映射；

(6.4)将一组向量推入最优模型mdf，预测标签为iLabel1，将该组向量推入次优模型mdf_Second[iLabel1]，预测标签为iLabel2；

(6.5)根据加载的配置文件，将标签iLabel1和iLabel2分别转换为对应分类名字，输出。