[發(fā)明專利]對(duì)文檔進(jìn)行分類的方法、電子設(shè)備和計(jì)算機(jī)程序產(chǎn)品

有效

• 申請(qǐng)?zhí)枺?/td>: 201810362310.6
• 申請(qǐng)日: 2018-04-20
• 公開（公告）號(hào): CN110390094B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 劉威揚(yáng);滕康;劉原一;張?jiān)鼋?/a>;張之劍
• 申請(qǐng)（專利權(quán)）人: 伊姆西IP控股有限責(zé)任公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F40/216;G06F40/30
• 代理公司: 北京市金杜律師事務(wù)所 11256
• 代理人: 王茂華;李春輝

1.一種對(duì)文檔進(jìn)行分類的方法，包括：

確定與文檔類別相關(guān)聯(lián)的一個(gè)或多個(gè)關(guān)鍵詞和對(duì)應(yīng)權(quán)重；

至少基于所述一個(gè)或多個(gè)關(guān)鍵詞在所述文檔的字段中出現(xiàn)的頻率以及所述權(quán)重，確定所述文檔相對(duì)于所述一個(gè)或多個(gè)關(guān)鍵詞的得分；

響應(yīng)于所述文檔的所述得分高于閾值，確定所述文檔屬于所述文檔類別，其中所述文檔類別選自多個(gè)文檔類別；

確定所述文檔的與所述多個(gè)文檔類別對(duì)應(yīng)的多個(gè)得分；

基于所述多個(gè)得分中的最大得分與前閾值的比較，確定后閾值；

標(biāo)準(zhǔn)化所述多個(gè)得分；以及

響應(yīng)于所述文檔的標(biāo)準(zhǔn)化后的得分大于所述后閾值，確定所述文檔屬于與所述標(biāo)準(zhǔn)化后的得分對(duì)應(yīng)的文檔類別。

2.根據(jù)權(quán)利要求1所述的方法，其中所述一個(gè)或多個(gè)關(guān)鍵詞和所述權(quán)重是通過神經(jīng)網(wǎng)絡(luò)基于文本語料庫訓(xùn)練得到的。

3.根據(jù)權(quán)利要求1所述的方法，其中所述文檔的所述字段包括標(biāo)題字段和內(nèi)容字段中的至少一個(gè)。

4.根據(jù)權(quán)利要求1所述的方法，其中所述文檔的所述字段僅包括內(nèi)容字段。

5.根據(jù)權(quán)利要求1所述的方法，其中確定所述文檔的所述得分還基于以下中的至少一個(gè)：

所述一個(gè)或多個(gè)關(guān)鍵詞中出現(xiàn)在所述文檔的所述字段中的關(guān)鍵詞的數(shù)目；

所述文檔的所述字段的長度；以及

在所述文檔選自多個(gè)文檔的情況下，所述多個(gè)文檔中出現(xiàn)所述關(guān)鍵詞的文檔的數(shù)目。

6.根據(jù)權(quán)利要求1所述的方法，其中確定所述文檔的所述得分包括：

標(biāo)準(zhǔn)化所述權(quán)重；以及

基于標(biāo)準(zhǔn)化后的所述權(quán)重，確定所述文檔的所述得分。

7.根據(jù)權(quán)利要求1所述的方法，還包括：

響應(yīng)于確定所述文檔屬于所述文檔類別，向所述文檔應(yīng)用與所述文檔類別對(duì)應(yīng)的標(biāo)簽。

8.根據(jù)權(quán)利要求7所述的方法，還包括：

響應(yīng)于針對(duì)所述文檔的查詢請(qǐng)求，提供包括所述文檔和所述標(biāo)簽的查詢結(jié)果。

9.一種電子設(shè)備，包括：

至少一個(gè)處理單元；

至少一個(gè)存儲(chǔ)器，所述至少一個(gè)存儲(chǔ)器被耦合到所述至少一個(gè)處理單元并且存儲(chǔ)由所述至少一個(gè)處理單元執(zhí)行的指令，所述指令當(dāng)由所述至少一個(gè)處理單元執(zhí)行時(shí)，使得所述電子設(shè)備執(zhí)行以下動(dòng)作：

確定與文檔類別相關(guān)聯(lián)的一個(gè)或多個(gè)關(guān)鍵詞和對(duì)應(yīng)權(quán)重；

至少基于所述一個(gè)或多個(gè)關(guān)鍵詞在所述文檔的字段中出現(xiàn)的頻率以及所述權(quán)重，確定所述文檔相對(duì)于所述一個(gè)或多個(gè)關(guān)鍵詞的得分；

響應(yīng)于所述文檔的所述得分高于閾值，確定所述文檔屬于所述文檔類別，其中所述文檔類別選自多個(gè)文檔類別；

確定所述文檔的與所述多個(gè)文檔類別對(duì)應(yīng)的多個(gè)得分；

基于所述多個(gè)得分中的最大得分與前閾值的比較，確定后閾值；

標(biāo)準(zhǔn)化所述多個(gè)得分；以及

響應(yīng)于所述文檔的標(biāo)準(zhǔn)化后的得分大于所述后閾值，確定所述文檔屬于與所述標(biāo)準(zhǔn)化后的得分對(duì)應(yīng)的文檔類別。

10.根據(jù)權(quán)利要求9所述的電子設(shè)備，其中所述一個(gè)或多個(gè)關(guān)鍵詞和所述權(quán)重是通過神經(jīng)網(wǎng)絡(luò)基于文本語料庫訓(xùn)練得到的。

11.根據(jù)權(quán)利要求9所述的電子設(shè)備，其中所述文檔的所述字段包括標(biāo)題字段和內(nèi)容字段中的至少一個(gè)。

12.根據(jù)權(quán)利要求9所述的電子設(shè)備，其中所述文檔的所述字段僅包括內(nèi)容字段。

13.根據(jù)權(quán)利要求9所述的電子設(shè)備，其中確定所述文檔的所述得分還基于以下中的至少一個(gè)：

所述一個(gè)或多個(gè)關(guān)鍵詞中出現(xiàn)在所述文檔的所述字段中的關(guān)鍵詞的數(shù)目；

所述文檔的所述字段的長度；以及

在所述文檔選自多個(gè)文檔的情況下，所述多個(gè)文檔中出現(xiàn)所述關(guān)鍵詞的文檔的數(shù)目。