[发明专利]一种文本分类方法有效
| 申请号： | 201410377112.9 | 申请日： | 2014-08-01 |
| 公开（公告）号： | CN104142998A | 公开（公告）日： | 2014-11-12 |
| 发明（设计）人： | 石民勇;王永滨;洪志国;尚松涛;陈秀霞 | 申请（专利权）人： | 中国传媒大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京汇信合知识产权代理有限公司 11335 | 代理人： | 夏静洁 |
| 地址： | 100024 北京市朝阳*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种文本分类方法，其通过利用词的概率信息和词的权重信息对分类的影响，提高了新分类器的分类性能。具体的：其采用基尼指数的纯度形式，更适合于文本分类，因为对于文本分类来说，所含的信息越多，越有利于文本的分类。其在改进后的基尼分类公式中保留了sim(cj|d)，这样能充分利用训练集中词的权重信息。其采用基尼指数的纯度形式，并取δ＝1/2即：这种形式充分考虑了词的概率信息对分类的影响。 | ||
| 搜索关键词： | 一种 文本 分类 方法 | ||
【主权项】：
一种文本分类方法，其特征在于，包括以下步骤：步骤1，建立用于文本分类的基准测试数据集，并将该基准测试数据集随机划分为训练文本和测试文本：步骤2，将所述基准测试数据集采用向量空间模型建立文本表示模型；步骤3，根据所述文本表示模型建立分类决策模型：Ginij(d)=sim(cj|d)ncj×Σt=1nweight(wt)×Gini(wt)]]>其中，n是文本矢量的维数；d是待分类的测试文本；cj是第j类；是类别j中训练文本的总数；sim(cj|d)是待分类的测试文本d与类别j中各个文本相似度之和；weight(wt)是单词wt经加权算法算出的权值，是单词wt经基尼指数公式后得到的概率；步骤4，建立决策规则，该决策规则为：如果则决策d∈cj；步骤5，根据上述分类决策模型和决策规则采用IGIC分类器对所述基准测试数据集进行训练学习，得到分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国传媒大学，未经中国传媒大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410377112.9/，转载请声明来源钻瓜专利网。
