文章分类方法和装置制造方法及图纸

本发明专利技术涉及一种文章分类方法和装置，所述方法包括：获取预设的地域关键词序列；所述地域关键词序列包括地域相关的多个地域关键词；将待分类的文章进行分词处理，获得词集合；获取所述地域关键词序列中的各地域关键词相对于所述词集合的词频度；根据所述各个地域关键词的词频度获得所述文章与所述地域关键词序列的分类可信度；根据所述分类可信度获得所述文章是否属于所述地域关键词序列对应的地域类别的分类结果。本发明专利技术提供的文章分类方法和装置，计算复杂度低，消耗计算资源小，分类效率高，而且最终的分类结果更加准确。

【技术实现步骤摘要】
文章分类方法和装置
本专利技术涉及文字处理
，特别是涉及一种文章分类方法和装置。
技术介绍
文章是一种重要的信息载体，是人类思想的传播工具。文章包括各种文体的著作或者作品，如诗歌、戏剧、小说、科学论文，记叙文、议论文、说明文或者应用文。很多文章具有地域属性，比如文章内容涉及地域，或者文章作者来自于特定地域，或者文章标题涉及特定地域等等。将文章按照地域分类，可以方便用户按照地域划分来查找文章，从而高效地查找到与特定地域相关的文章。目前对文章进行分类，一般采用三种分类方式：人工分类方式、按文章来源分类方式以及基于机器学习的文章自动分类方式。其中人工分类方式是最传统的一种文章分类方式，就是通过编辑人员阅读文章进行分类。这种分类方式分类精确，但是效率太低，在信息爆炸的当下，每天都会有大量文章涌现，人工分类方式无法满足文章分类需求。按文章来源分类方式，就是按照文章的来源将文章归类到相应来源所在的地域类别，比如来源于某区域的报刊的所有文章均归类到该区域的分类。这种分类方式实现容易，但误判率太高；而且某些来源难以按照地域分类，比如来源于网络的文章，因此适用范围有限。基于机器学习的文章自动分类本文档来自技高网...

【技术保护点】
一种文章分类方法，所述方法包括：获取预设的地域关键词序列；所述地域关键词序列包括地域相关的多个地域关键词；将待分类的文章进行分词处理，获得词集合；获取所述地域关键词序列中的各地域关键词相对于所述词集合的词频度；根据所述各个地域关键词的词频度获得所述文章与所述地域关键词序列的分类可信度；根据所述分类可信度获得所述文章是否属于所述地域关键词序列对应的地域类别的分类结果。

【技术特征摘要】
1.一种文章分类方法，所述方法包括：获取预设的地域关键词序列；所述地域关键词序列包括地域相关的多个地域关键词；将待分类的文章进行分词处理，获得词集合；获取所述地域关键词序列中的各地域关键词相对于所述词集合的词频度；根据所述各个地域关键词的词频度获得所述文章与所述地域关键词序列的分类可信度；根据所述分类可信度获得所述文章是否属于所述地域关键词序列对应的地域类别的分类结果。2.根据权利要求1所述的方法，其特征在于，所述获取所述地域关键词序列中的各地域关键词相对于所述词集合的词频度，包括：根据所述地域关键词序列中的各地域关键词在所述词集合中出现的次数与相应地域关键词的字数占所述文章总字数比例的乘积获得相应地域关键词的词频度；或者，根据所述地域关键词序列中的各地域关键词在所述词集合中出现的次数占所述词集合中总词数的比例获得相应地域关键词的词频度。3.根据权利要求1所述的方法，其特征在于，所述词集合包括文章标题词集合和文章正文词集合；所述根据所述各个地域关键词的词频度获得所述文章与所述地域关键词序列的分类可信度，包括：根据所述各个地域关键词相对于所述文章标题词集合的词频度以及相对于所述文章正文词集合的词频度，计算所述文章与所述地域关键词序列的分类可信度；所述各个地域关键词相对于所述文章标题词集合的词频度和相对于所述文章正文词集合的词频度均与所述分类可信度正相关。4.根据权利要求3所述的方法，其特征在于，所述根据所述各个地域关键词相对于所述文章标题词集合的词频度以及相对于所述文章正文词集合的词频度，计算所述文章与所述地域关键词序列的分类可信度，包括：计算各个地域关键词相对于所述文章标题词集合的词频度的第一加权和；计算各个地域关键词相对于所述文章正文词集合的词频度的第二加权和；根据所述第一加权和及所述第二加权和计算所述文章与所述地域关键词序列的分类可信度；所述第一加权和及所述第二加权和均与所述分类可信度正相关。5.根据权利要求4所述的方法，其特征在于，所述地域关键词序列中的各个地域关键词的用于计算所述第二加权和的权重，在相应的地域关键词相对于所述文章标题词集合的词频度等于0时的值，小于该权重在相应的地域关键词相对于所述文章标题词集合的词频度大...

【专利技术属性】
技术研发人员：邱国钦，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44