[發(fā)明專利]一種文本分類方法及計(jì)算裝置

有效

• 申請?zhí)枺?/td>: 201811158905.6
• 申請日: 2018-09-30
• 公開（公告）號: CN109284382B
• 公開（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 徐樂樂
• 申請（專利權(quán)）人: 武漢斗魚網(wǎng)絡(luò)科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62
• 代理公司: 北京眾達(dá)德權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11570
• 代理人: 徐松

1.一種文本分類方法，其特征在于，包括：

獲取當(dāng)前場景中N個(gè)顏值區(qū)的文本信息和M個(gè)游戲分區(qū)的文本信息，N和M為大于0的整數(shù)，N與M的差值的絕對值小于預(yù)置閾值；

從所述N個(gè)顏值區(qū)的文本信息和所述M個(gè)游戲分區(qū)的文本信息中選擇A個(gè)文本信息，其中，所述A個(gè)文本信息中的每個(gè)文本信息包括第一特征、第二特征和第三特征，所述第一特征包括句子長度,所述第二特征包括句子中詞語最大逆文本頻率指數(shù)值，所述第三特征包括句子中詞語最大詞頻值；

從所述第一特征、所述第二特征和所述第三特征中選擇至少兩個(gè)特征作為候選特征；

根據(jù)所述候選特征和特征選擇公式，選擇信息增益最大的特征對決策樹的節(jié)點(diǎn)進(jìn)行分裂，生成隨機(jī)森林模型；

所述特征選擇公式為：

其中，G(A)表示屬性A的信息增益，Splitl(A)表示屬性A的信息劃分量，T(F)表示屬性A與非屬性A的關(guān)聯(lián)度，F(xiàn)表示非屬性A集合，調(diào)整系數(shù)，取值在(0,1)之間。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取當(dāng)前場景中N個(gè)顏值區(qū)的文本信息和M個(gè)游戲分區(qū)的文本信息之前，所述方法還包括：

獲取X1個(gè)顏值區(qū)的原文本信息；

當(dāng)X1與M的差值的絕對值大于所述預(yù)置閾值時(shí)，從所述X1個(gè)顏值區(qū)的原文本信息中選擇X2個(gè)顏值區(qū)的文本信息；

根據(jù)所述X2個(gè)顏值區(qū)的文本信息和樣本采樣公式，計(jì)算得到X3個(gè)顏值區(qū)的新文本信息；

確定所述X3個(gè)顏值區(qū)的新文本信息與所述X1個(gè)顏值區(qū)的原文本信息的和為所述N個(gè)顏值區(qū)的文本信息。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述X2個(gè)顏值區(qū)的文本信息和樣本采樣公式，計(jì)算得到X3個(gè)顏值區(qū)的新文本信息，包括：

根據(jù)所述X2個(gè)顏值區(qū)的文本信息和歐式距離，確定X3個(gè)顏值區(qū)的近鄰文本信息；

根據(jù)所述X3個(gè)顏值區(qū)的近鄰文本信息和所述樣本采樣公式，計(jì)算得到所述X3個(gè)顏值區(qū)的新文本信息。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取當(dāng)前場景中N個(gè)顏值區(qū)的文本信息和M個(gè)游戲分區(qū)的文本信息之前，所述方法還包括：

獲取Y1個(gè)游戲分區(qū)的原文本信息；

當(dāng)Y1與M的差值的絕對值大于所述預(yù)置閾值時(shí)，從所述Y1個(gè)游戲分區(qū)的原文本信息中選擇Y2個(gè)游戲分區(qū)的文本信息；

根據(jù)所述Y2個(gè)游戲分區(qū)的文本信息和樣本采樣公式，計(jì)算得到Y(jié)3個(gè)游戲分區(qū)的新文本信息；

確定所述Y3個(gè)游戲分區(qū)的新文本信息與所述Y1個(gè)游戲分區(qū)的原文本信息的和為所述M個(gè)游戲分區(qū)的文本信息。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述Y2個(gè)游戲分區(qū)的文本信息和樣本采樣公式，計(jì)算得到Y(jié)3個(gè)游戲分區(qū)的新文本信息，包括：

根據(jù)所述Y2個(gè)游戲分區(qū)的文本信息和歐式距離，確定Y3個(gè)游戲分區(qū)的近鄰文本信息；

根據(jù)所述Y3個(gè)游戲分區(qū)的近鄰文本信息和所述樣本采樣公式，計(jì)算得到所述Y3個(gè)游戲分區(qū)的新文本信息。

6.根據(jù)權(quán)利要求2-5中任一項(xiàng)所述的方法，其特征在于，所述樣本采樣公式為：

s_i＝x_i+τ*max(0.1,|x_ij-x_i|)，

其中，s_i表示第i個(gè)新樣本，x_i表示任意一個(gè)少數(shù)類樣本，x_ij表示x_i的第j個(gè)近鄰樣本，0≤j≤N，N表示隨機(jī)選出N個(gè)樣本數(shù)，τ調(diào)整系數(shù)，取值在(0,1)之間。