[发明专利]一种基于机器学习的文本分类方法及终端设备在审
| 申请号： | 201811181954.1 | 申请日： | 2018-10-11 |
| 公开（公告）号： | CN109471937A | 公开（公告）日： | 2019-03-15 |
| 发明（设计）人： | 吴壮伟 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F17/27 |
| 代理公司： | 深圳中一专利商标事务所 44237 | 代理人： | 官建红 |
| 地址： | 518000 广东省深圳市福田区福*** | 国省代码： | 广东;44 |
| 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机器学习的文本分类方法及终端设备，包括：通过网络爬虫，爬取预设论坛网站的多个网页的网页内容；针对多个网页中的任一网页，对网页的网页内容进行处理，获得网页所对应的一个文本，文本包括网页的栏目数据、标题数据、正文数据及标签数据；获取训练集，包括多个网页所对应的多个文本；针对训练集中的任一文本，为文本设置标识，标识用于表示文本的类别；对文本进行分词处理，并对分词结果向量化，获得文本所对应的特征向量；通过训练集对文本分类模型进行训练；通过完成训练的文本分类模型，对待分类文本进行分类。结合词语在网页中的位置，对网页所对应的文本进行特征化，提高了文本分类精度。 | ||
| 搜索关键词： | 网页 文本 文本分类 文本分类模型 基于机器 网页内容 终端设备 训练集 标签数据 标题数据 分词处理 分词结果 分类文本 栏目数据 特征向量 网络爬虫 正文数据 特征化 向量化 网站 预设 词语 学习 分类 论坛 | ||
【主权项】：
1.一种基于机器学习的文本分类方法，其特征在于，该方法包括：通过网络爬虫，爬取预设论坛网站的多个网页的网页内容；针对所述多个网页中的任一网页，对所述网页的网页内容进行处理，获得所述网页所对应的一个文本，所述文本包括所述网页的栏目数据、标题数据、正文数据及标签数据；获取训练集，所述训练集包括所述多个网页所对应的多个文本；针对所述训练集中的任一文本，为所述文本设置标识，所述标识用于表示所述文本的类别；对所述文本进行分词处理，并对分词结果向量化，获得所述文本所对应的特征向量；通过所述训练集对文本分类模型进行训练；通过完成训练的文本分类模型，对待分类文本进行分类。
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平安科技（深圳）有限公司，未经平安科技（深圳）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/201811181954.1/，转载请声明来源钻瓜专利网。
