[发明专利]基于SparkMLlib文档分类的类库构建方法及系统在审
| 申请号： | 201710639999.8 | 申请日： | 2017-07-31 |
| 公开（公告）号： | CN107577708A | 公开（公告）日： | 2018-01-12 |
| 发明（设计）人： | 刁志刚;耿星;薛岭 | 申请（专利权）人： | 北京北信源软件股份有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京集佳知识产权代理有限公司11227 | 代理人： | 古利兰,王宝筠 |
| 地址： | 100081 北京市海淀区中关村*** | 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： | 本发明提供了一种基于SparkMLlib文档分类的类库构建方法，包括获取SparkMLlib的运行参数，其中，运行参数包括平滑参数和模型类型；去除已分类目标文档的类内高重复项；对目标文档的已知的分类类库中的分类项进行聚类，去除类内相似项；基于夹角余弦定理去除类内过离散项，生成新的文档分类的类库。本发明基于SparkMLlib的机器学习技术，以统计理论为基础，利用算法让机器具有类似人类般的自动学习能力，对已知的训练数据做统计分析从而获得规律形成类库，节约了大量人力成本，且减少了人工随机性大大提高了运算的准确程度。本发明还公开了一种基于SparkMLlib文档分类的类库构建系统。 | ||
| 搜索关键词： | 基于 sparkmllib 文档 分类 构建 方法 系统 | ||
【主权项】：
一种基于SparkMLlib文档分类的类库构建方法，其特征在于，包括：获取所述SparkMLlib的运行参数，其中，所述运行参数包括平滑参数和模型类型；去除已分类目标文档的类内高重复项；对所述目标文档的已知的分类类库中的分类项进行聚类，去除类内相似项；基于夹角余弦定理去除类内过离散项，生成新的文档分类的类库。
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北京北信源软件股份有限公司，未经北京北信源软件股份有限公司许可，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/201710639999.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种垃圾冷藏柜
- 下一篇：一种信息系统资源模型的图形化管理方法
