[發(fā)明專利]新聞文本導(dǎo)入自動計算及分類系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210031442.7
• 申請日: 2022-01-12
• 公開（公告）號: CN114416983A
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計）人: 楊海鋒;喻志明;周光亮;劉思文
• 申請（專利權(quán)）人: 贛南科技學(xué)院
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶金橙專利代理事務(wù)所(普通合伙) 50273
• 代理人: 唐健玲

本發(fā)明公開了新聞文本導(dǎo)入自動計算及分類系統(tǒng)，包括業(yè)務(wù)模型模塊，所述業(yè)務(wù)模型模塊分別與用戶界面模塊和控制器模塊電性連接，所述業(yè)務(wù)模型模塊包括程序?qū)肽K、文本導(dǎo)入模塊和分類開始模塊，所述用戶界面模塊包括顯示模塊、結(jié)果輸出模塊、更新優(yōu)化模塊和用戶輸入模塊，本發(fā)明設(shè)置了十類新聞分類的類別，每類訓(xùn)練集測試為一百個，在經(jīng)過不斷的測試和分析得出結(jié)果顯示，結(jié)果準(zhǔn)確可靠，本發(fā)明的分類算法可用率很高，訓(xùn)練集的個數(shù)與準(zhǔn)確結(jié)果為開口向下的二次曲線函數(shù)，同時本發(fā)明通過將新聞與訓(xùn)練集的分類進(jìn)行概率計算，計算速度快，極大的提高了計算效率，同時本發(fā)明的在時間復(fù)雜度和f1_score均值上具有顯著的提升。

技術(shù)領(lǐng)域

本發(fā)明涉及新聞文本自動分類技術(shù)領(lǐng)域，具體為新聞文本導(dǎo)入自動計算及分類系統(tǒng)。

背景技術(shù)

新聞發(fā)展越來越快，每天各種各樣的新聞令人目不暇接，對新聞進(jìn)行科學(xué)的分類既能方便快速選取新聞，也能有效滿足對海量的新聞科學(xué)的檢索；

現(xiàn)如今市面上與本技術(shù)方案相似的算法有CNN算法,在CNN算法中，如何對其訓(xùn)練集模型進(jìn)行自動分類和篩選一直是一個重要問題，并且在自動分類計算的過程中，速度慢，效率低，同時現(xiàn)如今現(xiàn)有的技術(shù)在時間復(fù)雜度和f1_score均值上均較低。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供新聞文本導(dǎo)入自動計算及分類系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：新聞文本導(dǎo)入自動計算及分類系統(tǒng)，包括業(yè)務(wù)模型模塊，所述業(yè)務(wù)模型模塊與用戶界面模塊電性連接，且業(yè)務(wù)模型模塊和控制器模塊電性連接。

優(yōu)選的，所述業(yè)務(wù)模型模塊包括程序?qū)肽K、文本導(dǎo)入模塊和分類開始模塊。

優(yōu)選的，所述用戶界面模塊包括顯示模塊、結(jié)果輸出模塊、更新優(yōu)化模塊和用戶輸入模塊。

優(yōu)選的，所述控制器模塊包括特征向量模塊、分類計算模塊、訓(xùn)練集儲存模塊和中文分詞模塊。

優(yōu)選的，所述特征向量模塊包括詞袋構(gòu)建模塊和特征向量確定模塊。

優(yōu)選的，所述分類計算模塊包括條件概率計算模塊、類條件概率驗算模塊和先驗概率計算模塊，且條件概率計算模塊與類條件概率驗算模塊建立數(shù)據(jù)連接，類條件概率驗算模塊與先驗概率計算模塊建立數(shù)據(jù)連接。

優(yōu)選的，所述更新優(yōu)化模塊與業(yè)務(wù)模型模塊建立數(shù)據(jù)連接。

優(yōu)選的，所述結(jié)果輸出模塊和顯示模塊建立數(shù)據(jù)連接，且同時顯示模塊與用戶輸入模塊建立數(shù)據(jù)連接。

優(yōu)選的，所述訓(xùn)練集儲存模塊內(nèi)部儲存有財經(jīng)、房產(chǎn)、教育、科技、軍事、汽車、體育、游戲、娛樂和其他共十類的新聞文本數(shù)據(jù)。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明設(shè)置了十類新聞分類的類別，每類訓(xùn)練集測試為一百個，在經(jīng)過不斷的測試和分析得出結(jié)果顯示，本發(fā)明的分類算法可用率很高，訓(xùn)練集的個數(shù)與準(zhǔn)確結(jié)果為開口向下的二次曲線函數(shù)，同時本發(fā)明通過將新聞與訓(xùn)練集的分類進(jìn)行概率計算，計算速度快，極大的提高了計算效率，同時本發(fā)明的在時間復(fù)雜度和f1_score均值上具有顯著的提升。

附圖說明

圖1為本發(fā)明的結(jié)構(gòu)框圖；

圖2為本發(fā)明的系統(tǒng)流程圖；

圖3為本發(fā)明的訓(xùn)練集儲存模塊示意圖；

圖4為本發(fā)明的用戶界面模塊示意圖；

圖5為本發(fā)明的結(jié)果輸出模塊示意圖；