[發明專利]一種文本歸類方法在審
| 申請號： | 202010485064.0 | 申請日： | 2020-06-01 |
| 公開（公告）號： | CN111625650A | 公開（公告）日： | 2020-09-04 |
| 發明（設計）人： | 儀強 | 申請（專利權）人： | 領獵網絡科技（上海）有限公司 |
| 主分類號： | G06F16/35 | 分類號： | G06F16/35;G06F16/31;G06F16/335;G06F40/289 |
| 代理公司： | 北京世譽鑫誠專利代理事務所(普通合伙) 11368 | 代理人： | 孫國棟 |
| 地址： | 200000 上海市崇明區崇明縣城橋鎮秀*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 文本 歸類 方法 | ||
1.一種文本歸類方法，其特征在于，包括：
檢測待歸類的文本是否符合預設的規范標準；
若是，則將所述文本輸入訓練過的LDA模型，得到所述文本表達的主題并判斷所述文本表達的主題是否命中預設的多個主題；
若是，則對所述文本進行預處理并將預處理之后的文本分別輸入多個訓練過的文本歸類模型，得到所述文本表達的主題的歸類結果集合；
分別對所述歸類結果集合中的同一類歸類結果做加權平均處理，得到各類歸類結果最終的概率；
將數值最大的概率對應的歸類結果作為所述文本最終的歸類結果。
2.根據權利要求1所述的文本歸類方法，其特征在于，所述訓練過的LDA模型的生成過程包括：
向LDA模型輸入包含多個主題的同一領域的語料庫，生成訓練過的LDA模型。
3.根據權利要求1所述的文本歸類方法，其特征在于，檢測待歸類的文本是否符合預設的規范標準包括：
判斷所述文本的字數是否大于設定的閾值；
若是，則判斷所述文字是否含有敏感字符，若否，則確定所述文字符合預設的規范標準。
4.根據權利要求1所述的文本歸類方法，其特征在于，對所述文本進行預處理包括：
利用分詞器對所述文本進行分詞，剔除無意義的詞；
利用TF_IDF算法保留文本中詞頻大于設定閾值的詞語，剔除詞頻小于設定閾值的詞語；
利用Word2vec模型，將所述文本中的各個詞語分別轉換為300維的空間向量。
5.根據權利要求1所述的文本歸類方法，其特征在于，所述多個訓練過的文本歸類模型的生成過程包括：
通過人工獲取同一領域文本表達的多個主題并對各個文本打上相應的主題標簽；
將攜帶主題標簽的多個文本分別輸入樸素貝葉斯分類器、支持向量機模型、隨機森林模型及XGBoost機器學習模型，得到多個訓練過的文本歸類模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于領獵網絡科技（上海）有限公司，未經領獵網絡科技（上海）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010485064.0/1.html，轉載請聲明來源鉆瓜專利網。
