[發明專利]對文檔進行分類的方法、電子設備和計算機程序產品

有效

• 申請號: 201810362310.6
• 申請日: 2018-04-20
• 公開（公告）號: CN110390094B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 劉威揚;滕康;劉原一;張增杰;張之劍
• 申請（專利權）人: 伊姆西IP控股有限責任公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/216;G06F40/30
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 王茂華;李春輝

本公開的實施例涉及用于對文檔進行分類的方法、電子設備和計算機程序產品。該方法包括確定與文檔類別相關聯的一個或多個關鍵詞和對應權重。該方法還包括至少基于一個或多個關鍵詞在文檔的字段中出現的頻率以及權重，確定文檔相對于一個或多個關鍵詞的得分。此外，該方法還可以響應于文檔的得分高于閾值，確定文檔屬于該文檔類別。本公開的實施例可以實現對文檔的自動分類。

技術領域

本公開的實施例總體涉及數據分類，具體涉及用于對文檔進行分類的方法、電子設備和計算機程序產品。

背景技術

雖然目前的搜索引擎將會從不同的存儲服務器收集大量備份數據并且提供多種復雜且先進的搜索查詢，但是仍然不方便終端用戶對那些備份文檔進行分類和定位。在某些情況下，終端用戶甚至無法確切知道要搜索什么，以及應該使用什么樣的關鍵詞。終端用戶只是想要通過瀏覽特定搜索結果集而通過智能指示來獲得關于何種內容在備份內的一般概念。

為了緩解這種問題并且滿足終端用戶的需求，一個選項是讓某個查看者在預覽每個項目之后手動地對搜索結果集中的內容進行分類并且添加標簽。然而，由于不同人可能具有不同的主觀標準，所以終端用戶添加標簽是不準確的。此外，由于數量巨大不可能手動地給所有結果加標簽，因而對于那些未加標簽的結果，被忽視的可能性將大大增加。因此，這并不是理想的解決方案。

發明內容

本公開的實施例提供了用于對文檔進行分類的方法、電子設備和計算機程序產品。

在本公開的第一方面，提供了一種對文檔進行分類的方法。該方法包括確定與文檔類別相關聯的一個或多個關鍵詞和對應權重。該方法還包括至少基于一個或多個關鍵詞在文檔的字段中出現的頻率以及權重，確定文檔相對于一個或多個關鍵詞的得分。此外，該方法還可以響應于文檔的得分高于閾值，確定文檔屬于該文檔類別。

在本公開的第二方面，提供了一種電子設備。該電子設備包括至少一個處理單元和至少一個存儲器。至少一個存儲器被耦合到至少一個處理單元并且存儲由至少一個處理單元執行的指令。該指令當由至少一個處理單元執行時，使得電子設備執行以下動作：確定與文檔類別相關聯的一個或多個關鍵詞和對應權重；至少基于一個或多個關鍵詞在文檔的字段中出現的頻率以及權重，確定文檔相對于一個或多個關鍵詞的得分；以及響應于文檔的得分高于閾值，確定文檔屬于該文檔類別。

在本公開的第三方面，提供了計算機程序產品。該計算機程序產品被有形地存儲在非瞬態計算機可讀介質上并且包括機器可執行指令。機器可執行指令在被執行時使得機器執行根據本公開的第一方面所描述的方法的任意步驟。

提供發明內容部分是為了以簡化的形式來介紹對概念的選擇，它們在下文的具體實施方式中將被進一步描述。發明內容部分無意標識本公開的關鍵特征或主要特征，也無意限制本公開的范圍。

附圖說明

通過結合附圖對本公開示例性實施例進行更詳細的描述，本公開的上述以及其它目的、特征和優勢將變得更加明顯，其中在本公開示例性實施例中，相同的參考標號通常代表相同部件。

圖1示出了用于對文檔進行分類的架構的示意圖；

圖2示出了根據本公開的一個實施例的對文檔進行分類的方法的流程圖；

圖3示出了根據本公開的一個實施例的用于基于得分確定文檔是否屬于文檔類別的方法的流程圖；

圖4示出了根據本公開的一個實施例的查詢結果的示意圖；

圖5示出了根據本公開的一個實施例的用于對文檔進行分類的裝置的框圖；以及

圖6示出了可以用來實施本公開的實施例的示例設備的示意性框圖。

具體實施方式