[发明专利]一种对论坛中有用帖子信息进行分类并整理的方法

摘要

一种对论坛中有用帖子信息进行分类并整理的方法属于自然语言处理技术领域，本发明提供了一种方法可以在帖子数量较大且存在较多无用数据的情况下，自动文本分类方法和纯人工方式都不能有效对数据进行处理的时，本发明可以方便有效的得到有用信息。通过对论坛信息进行过滤、自动分类和排序，得到论坛信息的候选类别及其按置信度排列的序列，最后再由人工通过挑选系统方便的抽取出有用信息，从而在效率和准确率方面都能达到很好的效果。

主权项

1.一种对论坛中有用帖子信息进行分类并整理的方法，其特征在于，该方法包括以下步骤：1)从指定的论坛中获得所有的帖子信息。2)把收集来的信息同规则模板库进行匹配，将大部分无用信息过滤掉。3)对过滤后的信息进行自动分类，确定其所属类别，并给出该信息的n个候选类别(n≥1)。4)根据自动分类确定的类别及候选类别信息，计算得到帖子信息属于每个候选类别的置信度，按置信度大小进行排序。将排序后的信息按照前x％和后(100-x)％分成两部分(其中，x∈[0，100])，分别进行标记。5)对排序标记后的数据，由人工先对前x％数据进行挑选，确定其类别，若从中挑选的数据达到数量要求则不用进行后(100-x)％数据的处理；若数量未达到要求，则继续对后(100-x)％进行处理。6)最后将由人工处理后的数据进行发布。