[发明专利]基于样本关键词学习的文本自动分类方法、系统及介质在审
| 申请号： | 201810980279.2 | 申请日： | 2018-08-27 |
| 公开（公告）号： | CN109002561A | 公开（公告）日： | 2018-12-14 |
| 发明（设计）人： | 刘丽;刘怀泉;张龙;李晓双;陈思琦 | 申请（专利权）人： | 山东师范大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/08 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 黄海丽 |
| 地址： | 250014 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于样本关键词学习的文本自动分类方法、系统及介质，利用多标记学习技术对样本集中的各领域文本语义关联关系进行学习，自动提取对应领域筛选关键词和信息判定关键词，进行文本分类。该方法可以应用于异构多媒体对象的检索，所提取的筛选关键词用于在监管业务系统海量信息中筛选出对应领域相关文档，筛选结果具有高召回率。信息判定关键词用于在对应领域文档中判定信息，判定结果具有高召回率和高准确率。最后用召回率和准确率来验证本发明的有效性。 | ||
| 搜索关键词： | 筛选 样本 关键词学习 信息判定 自动分类 准确率 文档 文本 语义关联关系 多媒体对象 海量信息 领域文本 判定结果 判定信息 文本分类 业务系统 自动提取 多标记 异构 检索 验证 学习 监管 应用 | ||
【主权项】：
1.基于样本关键词学习的文本自动分类方法，其特征是，包括：获取训练样本和测试样本；对训练样本进行类别标记，从已标记的训练样本中提取关键词，对提取的关键词进行训练特征提取，建立训练特征集合；建立神经网络，初始化神经网络的权值；利用训练特征集合和训练样本的类别标记对神经网络进行训练，得到训练好的神经网络；从测试样本中提取测试关键词，对提取的测试关键词进一步提取测试特征，将提取的测试特征输入到已经训练好的神经网络中，输出测试样本的类别。
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山东师范大学，未经山东师范大学许可，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/201810980279.2/，转载请声明来源钻瓜专利网。
