[发明专利]基于类别概念空间的自动文本分类方法

摘要

本发明是一种基于类别概念的自动文本分类方法，方法分为训练和分类两个阶段，包括步骤：1)构造类别词语矩阵数据；2)基于类别词语矩阵建立每个词语的倒排类别频率数据表；3)基于倒排类别频率数据表构建有效词语集；4)基于有效词语集重新构造类别词语矩阵数据；5)基于重新构造的类别词语矩阵建立每个类别的倒排词语频率数据表；6)基于类别词语矩阵和倒排词语频率数据表，建立基于类别概念空间的词语向量表示；7)基于待分类文档中词频和倒排类别频率构造类别概念向量空间中的待分类文档向量数据；8)依据待分类文档向量中各分量大小可直接获得待分类文档的所属类别。本发明适用于高效的信息分类、信息过滤和信息监控等。

主权项

1、一种基于类别概念空间的自动文本分类方法，是将词语映射到类别概念空间，并基于文本中有效词语的向量累计获得分类结果的新型技术；其特征在于，整个方法分为训练和分类两个阶段，包括如下步骤：步骤1)构造类别词语矩阵数据；步骤2)基于类别词语矩阵建立每个词语的倒排类别频率数据表；步骤3)基于倒排类别频率数据表构建有效词语集；步骤4)基于有效词语集重新构造类别词语矩阵数据；步骤5)基于重新构造的类别词语矩阵建立每个类别的倒排词语频率数据表；步骤6)基于类别词语矩阵和倒排词语频率数据表，建立基于类别概念空间的词语向量表示；步骤7)基于待分类文档中词频和倒排类别频率构造类别概念向量空间中的待分类文档向量数据；步骤8)依据待分类文档向量中各分量大小可直接获得待分类文档的所属类别。