一种文本自动分类方法技术

一种文本自动分类方法属于文本自动分类技术领域，其特征在于：它把二元权重计算方法引入到基于向量空间模型（ＶＳＭ）的线性分类器，并结合复杂的非二元权重对二元权重进行平滑，以便一次性地对所有文本进行自动分类；它在构建线性分类器时，用可调系数ｋ来调整非二元权重的平滑能力。它的分类准确率比只用二元权重的或者只用非二元权重的都要高，它在不同数量的特征集上都具有很高的分类准确率，而且用不同的非二元权重方法进行平滑的分类准确率大致相同。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】

属于文本自动分类(Text Categorization，Text Classification)
从二十世纪八十年代末九十年代初开始，国内外学者开始对TC技术进行深入研究，许多机器学习技术和统计分类方法被应用到这一领域，例如基于概率模型(Probabilistic Model)的贝叶斯分类器(Bayesian Classifier)，基于规则(Rule)的决策树/决策规则(DecisionTree/Decision Rule Classifier)分类器，基于类描述的线性分类器(Profile-Based LinearClassifier)，基于人类分类经验的K最近邻分类器(K-Nearest Neighbor)，基于最优超平面的支持向量机(Support Vector Machine，简称SVM)，通过对多个分类方法进行组合的分类器委员会(Classifier Committee)等。在线性分类器，向量空间模型(Vector Space Model，简称VSM)被广泛用来描述文本。通过将文本描述为由各特征(例如词，字，字串等)为元素的向量，计算机可以使用向量运算来对本文档来自技高网...

【技术保护点】
一种文本自动分类方法，其特征在于，它是一种基于非二元平滑的二元特征权重计算的文本自动分类方法；它把二元权重计算方法引入到基于向量空间模型（Ｖｅｃｔｏｒ Ｓｐａｃｅ Ｍｏｄｅｌ，ＶＳＭ）的线性分类器，并结合复杂的非二元权重对二元权重进行平滑，以便一次性地对所有文本进行自动分类；该分类方法在计算机内执行时依次含有以下步骤：在学习阶段：（１）输入学习文本集；（２）确定采用的特征单位以及线性分类器类型；（３）对学习集进行预处理；（４）特征抽取：对学习集进行索引，得 到原始特征集以及各学习文本的频度向量。某文本ｄ的特征频度向量可表示为：ｄ＝（ｔｆ↓［１］，ｔｆ↓...

【技术特征摘要】

【专利技术属性】
技术研发人员：薛德军，孙茂松，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]