[發明專利]一種數據分類方法和系統

在審

• 申請號: 201711244318.4
• 申請日: 2017-11-30
• 公開（公告）號: CN108009248A
• 公開（公告）日: 2018-05-08
• 發明（設計）人: 楊濤;王肅;楊耀威
• 申請（專利權）人: 國信優易數據有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 楊奇松

1.一種數據分類方法，其特征在于，該方法包括：

獲得預先生成的多個分類領域相關度集；其中，每個分類領域相關度集包括對應領域名稱詞、與該領域名稱詞所表征領域相關的關鍵詞、以及各關鍵詞與該領域名稱詞之間的第一相關度；

針對每個分類領域相關度集，確定待分類詞與該分類領域相關度集中預設相關詞之間的第二相關度；其中，所述預設相關詞包括該分類領域對應的各關鍵詞，或者該分類領域對應的領域名稱詞；

將所述第一相關度和所述第二相關度輸入預先構建的分類領域確定模型，得到所述待分類詞與該分類領域之間的相關度；

根據所述待分類詞與多個分類領域之間的相關度，確定分類結果。

2.如權利要求1所述的方法，其特征在于，所述預設相關詞為該分類領域對應的各關鍵詞；

確定待分類詞與該分類領域相關度集中預設相關詞之間的第二相關度，具體包括：

確定待分類詞分別與該分類領域對應的各關鍵詞之間的第二相關度；

將所述第一相關度和所述第二相關度輸入預先構建的分類領域確定模型，得到所述待分類詞與該分類領域之間的相關度，具體包括：

將所述第一相關度和所述第二相關度輸入預先構建的分類領域確定模型，針對每個第二相關度，確定與該第二相關度對應關鍵詞所對應的第一相關度與該第二相關度的乘積；

將各乘積相加得到的和確定為所述待分類詞與該分類領域之間的相關度。

3.如權利要求1所述的方法，其特征在于，所述預設相關詞為該分類領域對應的領域名稱詞；

確定待分類詞與該分類領域相關度集中預設相關詞之間的第二相關度，具體包括：

確定待分類詞分別與該分類領域對應的領域名稱詞之間的第二相關度；

將所述第一相關度和所述第二相關度輸入預先構建的分類領域確定模型，得到所述待分類詞與該分類領域之間的相關度，具體包括：

將所述第一相關度和所述第二相關度輸入預先構建的分類領域確定模型，確定所述第二相關度分別和對應領域名稱詞與各關鍵詞之間的第一相關度之間的乘積；

將各乘積相加得到的和確定為所述待分類詞與該分類領域之間的相關度。

4.如權利要求1-3任一項所述的方法，其特征在于，采用如下方式構建分類領域相關度集：

從預設平臺獲取語料；

采用預先訓練得到的分詞模型對所述語料進行分詞處理，得到關鍵詞集，其中，所述關鍵詞集包括：關鍵詞以及每兩個關鍵詞之間的第一相關度；

從所述關鍵詞集中確定表征各領域的領域名稱詞；

針對每個領域名稱詞，將關鍵詞集中的各關鍵詞與該領域名稱詞之間的第一相關度按照從高到低的順序進行排序；并

將前預設數量第一相關度對應的關鍵詞以及該領域名稱詞構成的集合確定為對應的分類領域相關度集。

5.如權利要求1所述的方法，其特征在于，針對所述待分類詞包含多個詞的情況，還包括確定待分類詞的步驟：

獲取待分類數據和所述待分類數據的描述信息；

對所述待分類數據以及所述描述信息進行合成處理；

對合成后的待分類數據進行分詞處理；

將分詞處理得到的詞中，有效的且具有名詞屬性的詞確定為待分類詞。

6.如權利要求5所述的方法，其特征在于，根據所述待分類詞與多個分類領域之間的相關度，確定分類結果，具體包括：

針對每個分類領域，將待分類數據對應的各待分類詞與該分類領域之間的相關度相加，得到所述待分類數據與該分類領域之間的相關度；

根據所述待分類數據與多個分類領域之間的相關度，確定所述待分類數據所屬分類領域。