[发明专利]一种基于改进特征选择的电力文本分类方法

摘要

一种基于改进特征选择的电力文本分类方法是一种为了解决电力领域文本分类问题过程中其文本专业性过强，传统文本分类中使用的特征选择方法难以寻找到电力文本关键词或关键词不够准确的机制。它主要由数据分类预处理器、数据特征处理器、数据分类器、数据分类操作核心等部分组成。本专利使用tf‑idf算法进行一次特征选择后得到的关键词，利用word2vec算法找寻与特征选择中选中关键词词意最相近的一些词语，通过再次利用特征选择算法对这些词语进行二次特征选择，如果这些词语达到了设计的阈值，则将它们也作为文本的关键词使用。

主权项

1.一种基于改进特征选择的电力文本分类方法，其特征在于：所述电力文本分类方法，使用的设备包括词典构造器、数据分类预处理器、数据特征处理器和数据分类操作核心；所述电力文本分类方法的执行过程主要包含以下步骤：步骤1：利用电力领域相关文档建立一个电力领域词典；步骤2：对待处理文本进行预处理，根据停用词表删除其中的一些不影响文本大意的词语；步骤3：对步骤2中进行过预处理过的文本利用电力领域词典进行分词；步骤4：对步骤3分过词后的文本利用tf‑idf算法寻找文本中的关键词；步骤5：先对步骤4中得到的关键词与电力领域词典进行对比，留下重复最多的数个关键词；步骤6：利用word2vec算法对文本进行词向量语义分析，找寻和步骤5中得到的关键词词意最近的一组词；步骤7：再次利用tf‑idf算法，对步骤6中得到的一组词进行计算，如果其结果达到先设计的阈值，则将其也作为关键词；步骤8：利用文本分类器对训练集进行训练，得出训练好的文本分类器；步骤9：使用步骤8中训练好的文本分类器对步骤7中的进行过特征选择的待处理文本集进行分类；步骤10：结束。