[發明專利]一種用于審計業務的文本自動分類方法

在審

• 申請號: 202110797260.6
• 申請日: 2021-07-14
• 公開（公告）號: CN113360658A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 鄭略省;盧偉龍;趙維偉;史澤斌
• 申請（專利權）人: 福建億榕信息技術有限公司;國網信息通信產業集團有限公司;國網信通億力科技有限責任公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/216;G06F40/242;G06F40/284;G06F40/289;G06K9/62
• 代理公司: 福州科揚專利事務所(普通合伙) 35001
• 代理人: 李曉芬

1.一種用于審計業務的文本自動分類方法，其特征在于，包括以下步驟：

S1、獲取針對目標分類的相關文檔集合；

S2、將語料庫分成訓練集和測試集；

S3、將文檔轉換為計算機可處理的特征向量，并調整特征向量中各值的權重；

S4、基于完成特征化的文檔向量，構建不同的分類模型；

S5、構建的最優分類模型在生產系統中部署，并調用分類模型的接口對新增的文檔進行評估。

2.根據權利要求1所述的一種用于審計業務的文本自動分類方法，其特征在于，根據S1中的操作步驟，所述相關文檔集合是指屬于相關類別的典型文檔的集合。

3.根據權利要求1所述的一種用于審計業務的文本自動分類方法，其特征在于，根據S2中的操作步驟，所述語料庫包括分類和文檔集。

4.根據權利要求1所述的一種用于審計業務的文本自動分類方法，其特征在于，根據S2中的操作步驟，所述訓練集和測試集的結構與語料庫完全相同，文檔數量按照80％和20％的比例分給訓練集和測試集。

5.根據權利要求1所述的一種用于審計業務的文本自動分類方法，其特征在于，根據S3中的操作步驟，包括以下步驟：

S301、特征選擇：將“詞”選擇為文檔的特征；

S302、特征表示：把經過特征選擇后的文檔內容用數學的“向量”進行表示；

S303、特征優化：采用期望交叉熵法調整特征向量中各值的權重。

6.根據權利要求5所述的一種用于審計業務的文本自動分類方法，其特征在于，根據S301中的操作步驟，將文檔表示為一系列詞，并將停用詞剔除。

7.根據權利要求6所述的一種用于審計業務的文本自動分類方法，其特征在于，所述停用詞指常用的、無意義的虛詞。

8.根據權利要求5所述的一種用于審計業務的文本自動分類方法，其特征在于，根據S302中的操作步驟，將語料庫中的所有文檔分詞組成一個“詞典”，從“詞典”的第一個詞開始判斷，如果文檔中包含“詞典”該位置對應的分詞，則在向量的相關位置標記為1，否則標記為0。

9.根據權利要求1所述的一種用于審計業務的文本自動分類方法，其特征在于，根據S4中的操作步驟，基于“訓練集”構建分類模型，利用“測試集”對所構建出來的分類模型進行評估。

10.根據權利要求9所述的一種用于審計業務的文本自動分類方法，其特征在于，所述分類模型評估包括兩個指標，分別是正確率和召回率，其中正確率是評價分類模型找到的屬于某個分類的文檔是否正確的指標，召回率是評價分類模型在發現屬于該分類文檔過程中是否存在“遺漏”的指標。