[发明专利]一种面向类间交叠的两类文本分类方法

摘要

本发明公开了一种面向类间交叠的两类文本分类方法，该方法首先形成训练样本向量，对类间交叠区域内的训练样本进行识别，判断其是否处于类间交叠区域内；然后，重新划分训练样本向量集合，在新划分的训练样本向量集合上构建第一层分类器；在各类处于类间交叠区域的训练样本集合上，提取相邻两个词性为动词或名词构成的二元词串作为特征，构建第二层分类器；最后对测试样本进行第一层分类，如果满足条件则进入第二层分类器进行识别，最终合并两层分类器结果为最终分类结果；本发明适用于类间交叠程度较高的文本分类、信息过滤和信息监管等领域，能够保证类间交叠程度较高的文本分类准确性。

主权项

一种面向类间交叠的两类文本分类方法，其特征在于，该方法包括以下步骤：a.类间交叠区域训练样本识别采用类间交叠区域训练样本识别方法形成类标号为A和B的两类训练样本向量，将类标号为A和B的两类训练样本向量分别划分为类标号分别为A1、A2和B1、B2四类，其中A2、B2分别为类A和类B的处于交叠区域的训练样本的类标号，A1、B1分别两类剩余训练样本的类标号；b.分类器构建b1.第一层分类器构建：将类标号分别为A2、B2的训练样本向量集合合并，定义其类标号为C，在具有A1、B1和C三个类标号的训练样本向量集合上构建第一层最近邻分类器；b2.第二层分类器构建：在类标号分别为A2、B2的训练样本集合上，提取相邻两个词性为动词或名词构成的二元词串作为特征，类标号分别为A2、B2的训练样本集合上构建第二层支持向量机分类器；c.测试样本分类c1.第一层分类：测试样本进入第一层分类器，第一层分类器判别测试样本的类标号为C，则输入第二层分类器，否则类标号转换后直接输出作为结果，此处的类标号转换方法为：若判别测试样本为A1类，则输出类标号为A，若测试样本判别为B1类，则输出类标号为B；c2.第二层分类：对在c1步骤中被判别为类标号C的测试样本，采用第二层分类器对其进行分类，类标号转换后直接输出作为结果，此处的类标号转换方法为：若判别测试样本为A2类，则输出类标号为A，判别为B2类，则输出类标号为B。