[发明专利]一种基于文本挖掘的金融类逾期短信智能判别方法

摘要

本发明公开了一种基于文本挖掘的金融类逾期短信智能判别方法，属于文本数据挖掘领域。本发明方法主要包括：获取短信文本进行分词，计算短信文本的相似度，提取短信模板；对短信模板抽样标注是否为金融逾期短信；对所有短信模板进行分词，挖掘新词和领域词组，形成新词库；用新词库对短信模板重新分词，提取对逾期判别具有重要价值的分词，组成特征向量空间；将标注的短信模板作为训练数据，采用支持向量机算法训练金融逾期分类器模型，训练好后输入所有短信，进行逾期分类判别。采用本发明方法，可以快速地从大量短信文本中提取金融逾期类相关的短信，从而为个人征信业务提供重要参考价值。

主权项

1.一种基于文本挖掘的金融类逾期短信智能判别方法，其特征在于，包括以下步骤：步骤1：批量获取通过短信服务平台推送的短信文本；步骤2：对短信文本逐条进行分词，并去除停用词；步骤3：根据分词结果，计算两个短信文本的相似度；设置相似度阈值，若两条短信文本的相似度大于阈值，则认为两条短信相似，属于同一个模板，提取短信模板；步骤4：对所提取出的短信模板，抽样人工标注其是否为金融逾期短信；步骤5：对所提取出的所有短信模板进行分词，并挖掘新词和领域词组；步骤6：将步骤5得到的新词和领域词组加入分词词库，形成新词库；步骤7：对步骤3提取出的所有短信模板利用新词库重新分词，通过TF‑IDF算法计算各个分词的重要程度，提取对逾期判别具有重要价值的分词；步骤8：将步骤7提取的分词组成词向量，构成特征空间Feature＝(to₁,to₂,…,to_n)，其中，to_i为步骤7提取的分词，i＝1,2,…,n；步骤9：将步骤4标注的短信模板作为训练数据，采用支持向量机算法训练金融逾期分类器模型；步骤10：将所有短信文本作为测试数据，输入训练好的金融逾期分类器模型，进行逾期分类判别。