[發明專利]多策略結合文檔自動分類方法

無效

• 申請號: 201210594872.6
• 申請日: 2012-12-31
• 公開（公告）號: CN103092931A
• 公開（公告）日: 2013-05-08
• 發明（設計）人: 江潮
• 申請（專利權）人: 武漢傳神信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種多策略結合文檔自動分類方法，包括：

對于給定的待分類文檔，對其進行關鍵詞提取，按照關鍵詞獲取待分類文檔向量，獲取標準文檔庫中每個類的類中心向量；

根據所述類中心向量獲取已分類文檔的類閥值；

將待分類文檔向量與類中心的相似度同所述類閥值進行比較，當待分類文檔向量與類中心的相似度大于等于所述類閥值時，采用向量空間法對待分類文檔進行分類；否則，使用KNN方法對所述待分類文檔進行分類。

2.如權利要求1所述的多策略結合文檔自動分類方法，其特征在于，所述類中心向量的獲取步驟包括：

設標準文檔庫中有m個預定義分類，用C={c₁，c₂，…，c_m}表示，C代表預定義的類別集合；

確定每個類的類中心向量，得到m個類的類中心向量v（c₁），v（c₂），…，v（c_m），其值為每個分類中的所有向量的算術平均。

3.如權利要求2所述的多策略結合文檔自動分類方法，其特征在于，獲取所述類閥值的步驟包括：

設有兩個文檔向量d1、d2，分別表示為d1={w1₁，w1₂，…，w1_n}，d2={w2₁，w2₂，…，w2_n}，則文檔的相似性Sim（d1，d2），用向量d1和d2的向量夾角的余弦cosθ來表示，cosθ為0～1之間的值，

Sim(d1,d2)=cosθ=Σi=1nw1i×w2i(Σi=1nw1i2)×(Σi=1nw2i2);]]>

將已分類文本D中的所有文本向量與c₁類中心向量進行相似度計算，得到一個不屬于c₁類且與c₁類中心向量的相似度最大的向量，其與c₁類中心向量的相似度值即可設定為c₁類的類閥值，記為FC₁，同理，可以得到c₂到c_m類的類閥值，FC₂，…，FC_m。