[发明专利]基于信息增益的英文社交媒体账号分类方法

摘要

本发明公开了一种基于信息增益的英文社交媒体账号分类方法，包括以下步骤S1、数据预处理，得到账号的特征词；S2、特征选取利用信息增益的方法对账号的特征词进行选择，得到具有类别代表性的特征词；S3、特征扩散利用wordnet寻找特征词的近义词和人工增加领域类别的一些关键词对特征词进行扩散；S4、分类模型构建采用机器学习技术进行处理，生成账号分类的分类模型；S5、对未知的社交媒体账号进行分类。本发明将常用的文本分类的方法应用于英文社交媒体的账号分类，使用户能从海量的账户中能够快速查找出某一领域类别的账号，并从中获取该领域类别的相关有效信息。

主权项

基于信息增益的英文社交媒体账号分类方法，其特征在于，包括以下步骤：S1、数据预处理：对社交媒体账号发布的博文做分词处理、去除停止词及无用符号处理，得到账号的特征词；S2、特征选取：利用信息增益的方法对账号的特征词进行选择，得到具有类别代表性的特征词；S3、特征扩散：利用wordnet寻找特征词的近义词和人工增加领域类别的一些关键词来对S2得到的特征词进行扩散；S4、分类模型构建：人工标注少量账号样本，并利用词袋模型，选用词频对账号进行特征的提取，构建样本训练集；然后采用机器学习技术进行处理，生成账号分类的分类模型，实现对英文社交媒体账号的识别；S5、对未知的社交媒体账号进行分类：利用步骤S4生成的分类模型，对未知的社交媒体账号进行分类，得到未知社交媒体账号的类别属性，完成社交媒体账号类别的划分。