[发明专利]一种基于深度学习的数据分类方法以及图谱的建立方法

权利要求书

1.一种基于深度学习的数据分类方法，其特征在于，包括以下步骤：

获取若干基础文章，从若干所述基础文章中提取若干个核心关键词，计算所述核心关键词的权重值，根据核心关键词以及权重值建立第一权重对应表；

提取每篇基础文章中的标题关键词和正文关键词，根据第一权重对应表查询标题关键词的权重值与正文关键词的权重值，根据所述标题关键词的权重值与正文关键词的权重值计算每篇基础文章的行业匹配度；

根据所述每篇基础文章的行业匹配度获得第一匹配度阈值；

提取待匹配文章的标题关键词和正文关键词，计算待匹配文章的行业匹配度，当所述待匹配文章的行业匹配度大于所述第一匹配度阈值时，所述待匹配文章替换所述基础文章中行业匹配度最低的一篇基础文章，当所有基础文章的行业匹配度均大于所述第一匹配度阈值时，停止迭代，获得文章分类模型；

利用文章分类模型中的文章重复上述步骤，获得第二权重对应表，并根据第二权重对应表获得第二匹配度阈值；

利用所述文章分类模型计算待计算文章的行业匹配度，当待计算文章的行业匹配度大于所述第二匹配度阈值时，则判定所述待计算文章属于目标行业。

2.根据权利要求1所述的基于深度学习的数据分类方法，计算所述核心关键词的权重值的计算方法具体为：

wordw[i]指第i个关键词在模型中的权重，fq[i]指第i个关键词在本篇基础文章中出现的频次，fqm[i]指第i个关键词在所有基础文章中出现的频次，k指基础文章的数量。

3.根据权利要求2所述的基于深度学习的数据分类方法，计算每篇基础文章的行业匹配度的计算方法具体为：

Titlew为标题调节因子，contentw正文调节因子，title[i]指在标题中出现的第i个关键词在所述第一权重对应表中对应的权重值，content[i]指在标题中出现的第i个关键词在所述第一权重对应表中对应的权重值。

4.根据权利要求1所述的基于深度学习的数据分类方法，从若干所述基础文章中提取若干个核心关键词所用的算法为TextRank算法。

5.根据权利要求1所述的基于深度学习的数据分类方法，获取若干基础文章的方法包括：利用爬虫技术采集数据，利用ElasTic Search集群存储，利用Hanlp分词器进行全文检索。

6.根据权利要求2所述的基于深度学习的数据分类方法，计算待计算文章的行业匹配度，具体为：

Titlew为标题调节因子，contentw正文调节因子，title[i]指在标题中出现的第i个关键词在所述第二权重对应表中对应的权重值，content[i]指在正文中出现的第i个关键词在所述第二权重对应表中对应的权重值。

7.一种图谱的建立方法，其特征在于，运用权利要求1-6任意一项所述的基于深度学习的数据分类方法，得到目标行业的文章数据，根据所述文章数据建立目标行业知识图谱。

8.根据权利要求7所述的图谱的建立方法，根据所述文章数据建立目标行业知识图谱的方法，具体为：根据关键词相关度进行文章采样，获得采样文章，提取所述采样文章中的若干关键词，并通过互信息熵计算得出关键词的派生词，根据所述关键词和派生词建立行业知识图谱。

9.根据权利要求8所述的图谱的建立方法，还包括计算所述关键词和派生词的权重值，并将所述关键词和派生词根据权重值进行排序。

10.一种文章分类装置，其特征在于，包括存储器和处理器，其中，所述存储器用于存储数据处理程序，所述数据处理程序在被所述处理器读取执行时，执行权利要求1-6任意一项所述的基于深度学习的数据分类方法。