[發(fā)明專利]一種分類器的構建方法、混雜文本的分類方法及裝置

在審

• 申請?zhí)枺?/td>: 201811278457.3
• 申請日: 2018-10-30
• 公開（公告）號: CN109522943A
• 公開（公告）日: 2019-03-26
• 發(fā)明（設計）人: 曾承;王金河;呂鵬
• 申請（專利權）人: 武漢泰樂奇信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 羅飛

1.一種分類器的構建方法，其特征在于，包括：

步驟S1：將多個混雜文本進行拆分成短句，基于預先整理的特征詞標注為訓練集；

步驟S2：針對訓練集，篩選出滿足預設條件的特征詞；

步驟S3：采用篩選出的特征詞將短句表示為特征向量；

步驟S4：基于特征向量以及對應的訓練集訓練模型，獲得每個拆分列的分類器，其中，每個拆分列對應一個類別。

2.如權利要求1所述的方法，其特征在于，步驟S1中，通過手動或者自動的方式進行標注，獲得每個文本對應的訓練集。

3.如權利要求1所述的方法，其特征在于，步驟S2具體包括：

通過分詞和統(tǒng)計詞頻，獲得每個特征詞的詞頻；

將每個特征詞按照詞頻排序，將滿足預設數量的特征詞作為滿足預設條件的特征詞。

4.如權利要求1所述的方法，其特征在于，步驟S2具體包括：

通過分詞和統(tǒng)計詞頻，獲得每個特征詞的詞頻，

計算每個特征的重要程度；

根據每個特征詞的詞頻和重要程度，確定特征詞的評分，將評分高于預設值的特征詞作為滿足預設條件的特征詞。

5.如權利要求1所述的方法，其特征在于，步驟S2具體包括：

采用機器學習的方式篩選出符合預設條件的特征詞。

6.如權利要求1所述的方法，其特征在于，步驟S4中的模型包括：

邏輯回歸模型、決策樹模型、支持向量機模型、樸素貝葉斯模型中的一種。

7.一種混雜文本的分類方法，其特征在于，包括：

獲得待處理的混雜文本；

根據分隔符將混雜文本分割為多個短句；

將多個短句逐個輸入如權利要求1至6任一項構建的分類器中，獲得分類結果。

8.如權利要求7所述的方法，其特征在于，所述方法還包括：

當短句滿足第一分類器時，則對該短句進行標記；

并繼續(xù)將短句輸入除第一分類器之外的其他分類器，判斷所述短句是否同時滿足其他分類器。

9.一種分類器的構建裝置，其特征在于，包括：

訓練集標注模塊，用于將多個混雜文本進行拆分成短句，并基于預先整理的特征詞標注為訓練集；

特征篩選模塊，用于針對訓練集，篩選出滿足預設條件的特征詞；

特征表示模塊，用于采用篩選出的特征詞將短句表示為特征向量；

模型訓練模塊，用于基于特征向量以及對應的訓練集訓練模型，獲得每個拆分列的分類器，其中，每個拆分列對應一個類別。

10.一種混雜文本的分類裝置，其特征在于，包括：

獲得模塊，用于獲得待處理的混雜文本；

分割模塊，用于根據分隔符將混雜文本分割為多個短句；

分類模塊，用于將多個短句逐個輸入如權利要求9構建的分類器中，獲得分類結果。