[发明专利]一种文本分类的方法

摘要

本发明公开了一种文本分类的方法，其具体实现过程为首先获取网络中的文本；对文本进行预处理，提取特征词，对网络中的文本进行分词，然后去除停用词；计算出网络文本中各特征词的权重，并将文本用向量模型进行表示。该文本分类的方法与现有技术相比，具有很强的适应性，能满足大部分不同文本的分类要求，有利于文本分类，实用性强。

主权项

一种文本分类的方法，其特征词在于，其具体实现步骤为，一、首先获取网络中的文本；二、对文本进行预处理，提取特征词，对网络中的文本进行分词，然后去除停用词；三、计算出网络文本中各特征词的权重，并将文本用向量模型进行表示；所述特征词的权重计算通过改进的TFIDF算法完成，该改进的TFIDF的算法的具体内容为：IDF＝logn×log(N/(n+k)+0.01)，其中n∈N^+，且n+k≠0；其中，总文档文本数为N，包含特征词t_i的文档数为n，k为任意参数，对选取的特征词t_i的权重进行调整，在该公式中，当含特征词t_i的文档数n逐渐增大时，特征词t_i的文档区分能力逐渐增强，当n达到某一值时，特征词t_i的文档区分能力应随着n的增大而逐渐减少，在IDF公式中，IDF先增后减，且n趋向于1和n趋向于N时，IDF都趋向于0。