[发明专利]一种维修案例分类方法以及装置

说明书

本申请公开了一种维修案例分类方法及装置。该方法包括：获取样本集合的特征词集；根据所述特征词集，获取维修案例的文本向量；向SVM分类决策函数输入所述维修案例的文本向量，得到所述维修案例分类结果。此外，还公开一种维修案例分类装置。实施本申请的方案，能够有效地确定维修案例的特征，提供了更准确的维修案例分类结果。

技术领域

本申请涉及计算机技术领域，具体涉及一种维修案例分类方法以及装置。

背景技术

维修案例是维修行业中必不可少的重要资料。在维修机械设备时，维修人员参考相关维修案例能够针对具体问题，采取最合适的维修方案。机械设计人员能够参考相关维修案例找到机械设计方面的不足。目前，通常采用关键字搜索等检索方式，对需要的维修案例进行查找。

但由于机械制造的零件繁多，某些被用于搜索的关键字不能区分开不同类型的维修案例，在用户查找相似维修案例时，难以呈现满足用户需求的案例。

发明内容

本申请实施提供一种维修案例分类方法以及装置，以区分开大量没有标注的维修案例，向用户呈现相似的维修案例。

第一方面，本申请实施例提供了一种维修案例分类方法，包括：获取样本集合的特征词集；根据所述特征词集，获取维修案例的文本向量；向SVM分类决策函数输入所述维修案例的文本向量，得到所述维修案例分类结果。

可选的，所述获取样本集合的特征词集，包括：通过文本分词算法，将所述样本集合的文本进行分词，对分词结果进行词频统计，选取满足词频次数的词语作为特征词集。

可选的，所述根据所述特征词集，获取维修案例的文本向量，包括：通过文本分词算法，将所述维修案例的文本进行分词，根据所述特征词集对分词结果进行处理，得到所述维修案例的文本向量。

可选的，所述方法还包括：获取样本集合的特征向量；根据所述特征向量，得到训练数据集；计算所述训练数据集，建立所述SVM分类决策函数。

可选的，所述获取样本集合的特征向量，包括：根据所述特征词集和所述样本集合的分词结果，得到初始特征向量；计算所述特征词集的词权重对应的加权值；将所述初始特征向量的维度分别乘以对应的加权值，得到所述特征向量。

可选的，所述根据所述特征向量，得到训练数据集，包括：通过所述特征向量的类别，得到和所述特征向量的类别数相同的训练数据集。

可选的，所述计算所述训练数据集，建立所述SVM分类决策函数，包括：计算所述训练数据集，获取每一个训练数据集的分类决策函数，所有分类决策函数构成所述SVM分类决策函数。

可选的，所述样本集合为通过数据库中标签属性筛选得到的样本集合，或者采用随机算法筛选得到的样本集合。

可选的，所述维修案例分类结果为通过所述SVM分类决策函数的最大的分类决策函数结果值，确定所述维修案例分类结果为该函数结果值对应的训练数据集的类别。

第二方面，本申请实施例提供了一种维修案例分类设备，包括：特征获取单元，用于获取样本集合的特征词集；信息提取单元，用于根据所述特征词集，获取维修案例的文本向量；分类单元，用于向SVM分类决策函数输入所述维修案例的文本向量，得到维修案例分类结果。

可选的，所述特征获取单元具体用于，通过文本分词算法，将所述样本集合的文本进行分词，对分词结果进行词频统计，选取满足词频次数的词语作为特征词集。

可选的，所述信息提取单元具体用于，通过文本分词算法，将所述维修案例的文本进行分词，根据所述特征词集对分词结果进行处理，得到所述维修案例的文本向量。

可选的，所述装置还包括：特征处理单元，用于获取样本集合的特征向量；训练单元，用于根据所述特征向量，得到训练数据集；建立单元，用于计算所述训练数据集，建立所述SVM分类决策函数。