[发明专利]基于聚类的邮件分类方法和系统

摘要

本发明公开了一种基于聚类的邮件分类方法和系统，该邮件分类方法包括：对待分类邮件集合中的每个邮件进行分词，得到每个邮件的词语集合；确定出每个邮件的词语特征向量；将所有邮件的词语特征向量组成词语特征向量集合后，对于每个词语特征向量，创建一个包含该词语特征向量的向量簇，并将该词语特征向量作为代表该向量簇的簇中心；根据词语特征向量之间的相似度，对向量簇进行至少一次聚类合并，对聚类合并后的每个向量簇，将该向量簇中所包含的词语特征向量所对应的邮件划分为同一类邮件。本发明的技术方案中，根据聚类成向量簇的词语特征向量对邮件进行分类，不必事先需要多种种类的样本邮件，就可以实现按照邮件内容进行多种类的邮件分类。

主权项

一种基于聚类的邮件分类方法，其特征在于，包括：对待分类邮件集合中的每个邮件，将该邮件的邮件内容进行分词，得到该邮件的词语集合；根据得到的各邮件的词语集合确定出所述待分类邮件集合的词语集合；对于所述待分类邮件集合中的每个邮件，根据该邮件的词语集合以及所述待分类邮件集合的词语集合，确定出该邮件的词语特征向量；将所述待分类邮件集合中的所有邮件的词语特征向量组成词语特征向量集合后，对于所述词语特征向量集合中的每个词语特征向量，创建一个包含该词语特征向量的向量簇，并将该词语特征向量作为代表该向量簇的簇中心；根据所述词语特征向量集合中的词语特征向量之间的相似度，对得到的向量簇进行至少一次聚类合并，得到数目达到设定的簇数目阈值的向量簇后，对于当前的每个向量簇，将该向量簇中所包含的词语特征向量所对应的邮件划分为同一类邮件。