[发明专利]基于机器学习的文本分类方法及终端设备在审
| 申请号： | 201811197171.2 | 申请日： | 2018-10-15 |
| 公开（公告）号： | CN109284385A | 公开（公告）日： | 2019-01-29 |
| 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;G06F16/955 |
| 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，通过网络爬虫抓取多个网页；针对多个网页中的任一网页，获取网页的统一资源定位符URL和锚文本；对网页的URL和锚文本进行处理，获得第一词组集合；根据第一词组集合和预设置的第二词组集合，计算网页与预设类别的相关度；对与预设类别的相关度大于第一预设值的网页进行处理得到网页文本；通过预设训练集对预设置的深度神经网络文本分类模型进行训练，并通过深度神经网络文本分类模型对网页文本进行文本分类处理，得到网页的子类别。本发明通过与预设类别相对应的文本分类模型，对与该预设类别相关度大于第一预设值的网页文本进行分类，得到该网页文本的子类别，提高了网页文本的分类精度。 | ||
| 搜索关键词： | 预设 网页 网页文本 文本分类模型 文本分类 词组 相关度 基于机器 神经网络 终端设备 集合 锚文本 预设置 子类别 统一资源定位符 抓取 网络爬虫 训练集 分类 学习 | ||
【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：通过网络爬虫抓取多个网页；针对所述多个网页中的任一网页，获取所述网页的统一资源定位符URL和锚文本；对所述网页的URL和锚文本进行处理，获得第一词组集合；根据所述第一词组集合和预设置的第二词组集合，计算所述网页与预设类别的相关度，其中，所述第二词组集合中的词组用于标识所述预设类别；若所述网页与预设类别的相关度大于第一预设值，则对所述网页进行处理得到网页文本；获取预设训练集，针对所述训练集中的任一文本，所述文本为经过人工分类的文本，所述文本标注有对应的子类别，所述子类别为预设子类别列表中的一种子类别，所述预设子类别列表中的所有子类别构成所述预设类别；通过所述训练集对预设置的深度神经网络文本分类模型进行训练，直至达到预设的训练终止条件，通过所述深度神经网络文本分类模型对所述网页文本进行文本分类处理，得到所述网页的子类别。
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/201811197171.2/，转载请声明来源钻瓜专利网。
