一种新闻分类方法及装置制造方法及图纸

本申请公开了一种新闻分类方法及装置，提取样本数据中的特征词，计算特征词在样本数据中的权重值；根据权重值、特征词、样本数据和待分类新闻，计算待分类新闻的属于企业新闻的概率和属于非企业新闻的概率；根据待分类新闻的属于企业新闻的概率和属于非企业新闻的概率，判断待分类新闻是企业新闻还是非企业新闻。本申请提供的新闻分类方法及装置，可以高准确率地将新闻分类，满足用户对于新闻准确分类的要求，为用户制定决策与规划提供更多参考。

【技术实现步骤摘要】
一种新闻分类方法及装置
本申请涉及文本分类
，特别涉及一种新闻分类方法及装置。
技术介绍
新闻，也叫消息，是通过报纸、电台、广播、电视台等媒体途径所传播信息的一种称谓，是传播信息的一种文体。在大数据时代，各种各样的新闻文本不断增多。很多用户需要基于新闻文本获得有利于商业模式的决策和决定。但是大量新闻又会对用户真正需要的信息进行干扰，使得用户建立决策的过程效率低和误差大。采用新闻分类的方法从海量的信息中发现有用的新闻，可以帮助用户快速的收集信息及做出决策。新闻分类可以按照一定的分类体系或者分类标准进行分类。新闻的种类有时政新闻、娱乐新闻、体育新闻等等。新闻的分类方法也有很多，通常可以根据新闻文本中的某个词来判断该新闻属于哪个类别，也可以根据这个词在新闻文本中出现的频率对该新闻进行分类。目前各大用户使用新闻分类的方法获取对自己的企业有用的新闻，进而根据该有用的新闻为自己企业的发展制定相应的规划及决策。通常，企业用户会将新闻分为特定的种类，不同于娱乐新闻和时政新闻等，并通过现有的新闻分类方法区分企业用户的新闻属于何种类型的新闻，分好类别之后，企业用户就可以根据这些不同类别新闻的特点获本文档来自技高网...

【技术保护点】
一种新闻分类方法，其特征在于，包括：获取样本数据，所述样本数据包括若干条企业新闻和非企业新闻；提取所述样本数据中的特征词，计算所述特征词在所述样本数据中的权重值；根据所述权重值、所述特征词、所述样本数据和待分类新闻，计算所述待分类新闻的属于企业新闻的概率和属于非企业新闻的概率；根据所述待分类新闻的属于企业新闻的概率和属于非企业新闻的概率，判断所述待分类新闻的类型，所述类型包括企业新闻和非企业新闻。

【技术特征摘要】
1.一种新闻分类方法，其特征在于，包括：获取样本数据，所述样本数据包括若干条企业新闻和非企业新闻；提取所述样本数据中的特征词，计算所述特征词在所述样本数据中的权重值；根据所述权重值、所述特征词、所述样本数据和待分类新闻，计算所述待分类新闻的属于企业新闻的概率和属于非企业新闻的概率；根据所述待分类新闻的属于企业新闻的概率和属于非企业新闻的概率，判断所述待分类新闻的类型，所述类型包括企业新闻和非企业新闻。2.根据权利要求1所述的方法，其特征在于，所述提取所述样本数据中的特征词，计算所述特征词在所述样本数据中的权重值包括：对所述样本数据分词，得到若干个单词；计算所述单词与所述企业新闻的开方值；按照所述开方值降序的顺序，提取预设数量的所述单词，得到特征词；根据所述特征词和所述样本数据，计算所述特征词在所述样本数据中的词频和包含所述特征词的新闻在所述样本数据中的逆向文件频率；根据所述词频和所述逆向文件频率，计算所述特征词在所述样本数据中的权重值。3.根据权利要求2所述的方法，其特征在于，所述根据所述权重值、所述特征词、所述样本数据和待分类新闻，计算所述待分类新闻的属于企业新闻的概率和属于非企业新闻的概率包括：获取所述特征词在所述待分类新闻中的出现类型、所述特征词在所述样本数据中的出现次数，以及，计算所述样本数据中各类型新闻所占的概率；根据所述出现类型、所述出现次数、所述权重值和所述样本数据中各类型新闻所占的概率，计算所述待分类新闻的属于企业新闻的概率和属于非企业新闻的概率。4.根据权利要求3所述的方法，其特征在于，所述根据所述待分类新闻的属于企业新闻的概率和属于非企业新闻的概率，判断所述待分类新闻的类型包括：比较所述待分类新闻的属于企业新闻的概率和属于非企业新闻的概率；如果所述属于企业新闻的概率大于所述属于非企业新闻的概率，则所述待分类新闻是企业新闻；如果所述属于非企业新闻的概率大于所述属于企业新闻的概率，则所述待分类新闻是非企业新闻。5.根据权利要求4所述的方法，其特征在于，按照如下公式计算所述单词与所述企业新闻的开方值：其中，χ2代表所述单词与所述企业新闻的开方值，A代表包含所述单词的所述企业新闻的数量，C代表不包含所述单词的所述企业新闻的数量，B代表包含所述单词的所述非企业新闻的数量，D代表不包含所述单词的所述非企业...

【专利技术属性】
技术研发人员：房平会，徐龙，
申请(专利权)人：北京神州泰岳软件股份有限公司，
类型：发明
国别省市：北京,11