[发明专利]一种文本归类方法

权利要求书

1.一种文本归类方法，其特征在于，包括：

检测待归类的文本是否符合预设的规范标准；

若是，则将所述文本输入训练过的LDA模型，得到所述文本表达的主题并判断所述文本表达的主题是否命中预设的多个主题；

若是，则对所述文本进行预处理并将预处理之后的文本分别输入多个训练过的文本归类模型，得到所述文本表达的主题的归类结果集合；

分别对所述归类结果集合中的同一类归类结果做加权平均处理，得到各类归类结果最终的概率；

将数值最大的概率对应的归类结果作为所述文本最终的归类结果。

2.根据权利要求1所述的文本归类方法，其特征在于，所述训练过的LDA模型的生成过程包括：

向LDA模型输入包含多个主题的同一领域的语料库，生成训练过的LDA模型。

3.根据权利要求1所述的文本归类方法，其特征在于，检测待归类的文本是否符合预设的规范标准包括：

判断所述文本的字数是否大于设定的阈值；

若是，则判断所述文字是否含有敏感字符，若否，则确定所述文字符合预设的规范标准。

4.根据权利要求1所述的文本归类方法，其特征在于，对所述文本进行预处理包括：

利用分词器对所述文本进行分词，剔除无意义的词；

利用TF_IDF算法保留文本中词频大于设定阈值的词语，剔除词频小于设定阈值的词语；

利用Word2vec模型，将所述文本中的各个词语分别转换为300维的空间向量。

5.根据权利要求1所述的文本归类方法，其特征在于，所述多个训练过的文本归类模型的生成过程包括：

通过人工获取同一领域文本表达的多个主题并对各个文本打上相应的主题标签；

将携带主题标签的多个文本分别输入朴素贝叶斯分类器、支持向量机模型、随机森林模型及XGBoost机器学习模型，得到多个训练过的文本归类模型。