[发明专利]一种文本分类方法、装置、设备及计算机可读存储介质

摘要

本发明公开了一种文本分类方法，包括：接收待分类文本，根据训练得到的特征项集合，将待分类文本映射为目标特征向量；特征项集合为结合分词算法、利用词频和逆向文件频率的乘积计算特征权重的计算算法及信息增益算法对训练文本数据集进行训练得到的；计算目标特征向量与训练文本数据集中各文本的特征向量的欧氏距离；根据各欧式距离选取待分类文本的各邻居文本；基于各邻居文本利用K最近邻算法计算待分类文本对于文本类别集合中各类文本的权重；根据各权重确定待分类文本的文本类别。本发明较大地提高了对文本分类的准确率，缩短了分类时长，较大地降低了成本。本发明还公开了一种文本分类装置、设备及存储介质，具有相应技术效果。

主权项

1.一种文本分类方法，其特征在于，包括：接收待分类文本，并根据通过对训练文本数据集中各文本预先训练得到的特征项集合，将所述待分类文本映射为目标维度的目标特征向量；其中，所述特征项集合为结合分词算法、利用词频和逆向文件频率的乘积计算特征权重的计算算法及信息增益算法对所述训练文本数据集进行训练得到的；计算所述目标特征向量与所述训练文本数据集中各文本的特征向量的欧氏距离，并对各所述欧式距离进行大小排序；选取排序中欧式距离小的一端的前第一预设数量个所述欧式距离对应的文本，作为所述待分类文本的各邻居文本；基于各所述邻居文本利用K最近邻算法计算所述待分类文本对于文本类别集合中各类文本的权重；其中，所述文本类别集合为预先依据所述特征项集合对所述训练文本数据集中各所述文本进行分类得到的；将权重最大值对应的文本类别确定为所述待分类文本的文本类别。