[发明专利]一种对于文本智能分类的方法

摘要

本发明公开了一种对于文本智能分类的方法。包括步骤：先准备大量的训练文本集，然后对每篇的文本进行文本分词，接着进行特征项提取并存储，然后对于每个特征项进行权重计算，把该文本转换成文本向量并存储到分类器中，最后形成了特征项集合和分类器集合。把需要确定分类的文本进行分词，默认特征项集合里面的特征都是符合待分类文本，然后进行特征项权重计算，不符合的过滤掉，符合的留下作为该文本的特征。将这些特征项转化成为该文本向量。通过相似度算法将该文本向量和分类器中的向量进行比对，根据相似文本向量来确定该文本的分类所属。本发明提供了一套有效的方法来使文本的分类提取更加准确，而且在速度上也优于现有的同类技术。

主权项

一种对文本进行智能分类的方法，其特征在于，包括以下步骤：步骤一、准备一定数量的训练文本，并将这些训练文本分成多个类别；步骤二、对每一件训练文本通过中文分词算法进行分词，并根据分词的特征属性，计算各分词的权重值W；步骤三、将所有训练文本中的所有分词的权重值统一进行排序，并取权重值位于前N名的N个分词作为特征项，各特征项均具有自己的权重值Wi(i＝1～N)；步骤四、将任意一件训练文本中所有分词与上述N个特征项进行比对，形成文本向量{a1，a2，a3…ai…aN}，在该文本向量中，未匹配到该件训练文本中的任一个分词的第i个特征项对应的ai值被定义为一个统一的数值B，而匹配到该件训练文本中的一个分词的第i个特征项对应的ai值被定义为与该第i个特征项的权重值Wi相关的数值；步骤五、建立训练文本向量数据库，其中存储有包含各训练文本的识别码、所属类别和文本向量信息；步骤六、取待分类文本，进行中文算法分词处理，随后根据上述N个特征项形成文本向量；步骤七、将待分类文本的文本向量与训练文本的文本向量进行比较，找出最相似的训练文本，将待分类文本划入最相似的训练文本所属的类别。