[发明专利]一种分类器的构建方法、混杂文本的分类方法及装置

权利要求书

1.一种分类器的构建方法，其特征在于，包括：

步骤S1：将多个混杂文本进行拆分成短句，基于预先整理的特征词标注为训练集；

步骤S2：针对训练集，筛选出满足预设条件的特征词；

步骤S3：采用筛选出的特征词将短句表示为特征向量；

步骤S4：基于特征向量以及对应的训练集训练模型，获得每个拆分列的分类器，其中，每个拆分列对应一个类别。

2.如权利要求1所述的方法，其特征在于，步骤S1中，通过手动或者自动的方式进行标注，获得每个文本对应的训练集。

3.如权利要求1所述的方法，其特征在于，步骤S2具体包括：

通过分词和统计词频，获得每个特征词的词频；

将每个特征词按照词频排序，将满足预设数量的特征词作为满足预设条件的特征词。

4.如权利要求1所述的方法，其特征在于，步骤S2具体包括：

通过分词和统计词频，获得每个特征词的词频，

计算每个特征的重要程度；

根据每个特征词的词频和重要程度，确定特征词的评分，将评分高于预设值的特征词作为满足预设条件的特征词。

5.如权利要求1所述的方法，其特征在于，步骤S2具体包括：

采用机器学习的方式筛选出符合预设条件的特征词。

6.如权利要求1所述的方法，其特征在于，步骤S4中的模型包括：

逻辑回归模型、决策树模型、支持向量机模型、朴素贝叶斯模型中的一种。

7.一种混杂文本的分类方法，其特征在于，包括：

获得待处理的混杂文本；

根据分隔符将混杂文本分割为多个短句；

将多个短句逐个输入如权利要求1至6任一项构建的分类器中，获得分类结果。

8.如权利要求7所述的方法，其特征在于，所述方法还包括：

当短句满足第一分类器时，则对该短句进行标记；

并继续将短句输入除第一分类器之外的其他分类器，判断所述短句是否同时满足其他分类器。

9.一种分类器的构建装置，其特征在于，包括：

训练集标注模块，用于将多个混杂文本进行拆分成短句，并基于预先整理的特征词标注为训练集；

特征筛选模块，用于针对训练集，筛选出满足预设条件的特征词；

特征表示模块，用于采用筛选出的特征词将短句表示为特征向量；

模型训练模块，用于基于特征向量以及对应的训练集训练模型，获得每个拆分列的分类器，其中，每个拆分列对应一个类别。

10.一种混杂文本的分类装置，其特征在于，包括：

获得模块，用于获得待处理的混杂文本；

分割模块，用于根据分隔符将混杂文本分割为多个短句；

分类模块，用于将多个短句逐个输入如权利要求9构建的分类器中，获得分类结果。