一种文本分类方法及装置制造方法及图纸

本发明专利技术实施例涉及通信领域一种文本分类方法，对待分类文本进行分句，对每个句子进行依存句法分析，抽取出所有依存对作为抽取的决策单元；从知识库检索所述抽取的决策单元所属的类别；所述知识库中存储有作为分类依据的决策单元及所属的类别及权值；按类别累加所述抽取的决策单元权值之和；将所述权值之和最大的类别作为待分类文本的类别。本发明专利技术实施例还提供一种对应的文本分类装置。本发明专利技术实施例提供的文本分类方法及装置分类精确度高，冗余度小，且能够利用句法距离有效的进行冲突消解。

【技术实现步骤摘要】

本专利技术涉及文本挖掘
，尤其涉及一种文本分类方法及装置。
技术介绍
在线论坛是当代网络生活的典型参与方式之一，随着帖子数量的增多，越来越需 要一种机制将发布的帖子分门别类，既方便论坛内容管理，又大大方便用户选择感兴趣的 主题贴。目前很多论坛都有分类功能，但大部分是依靠用户在发布帖子时选择类别或提供 标签，这种方式存在的问题是，很多用户并不愿意主动选择类别或提供标签，另外也有用户 为了提高帖子阅读量，故意提供很多无关标签。基于上述问题，需要对在线论坛的帖子进行文本分类，文本分类(Text Classification、Text Categorization)是指按照一定算法，对用文字表示的文档赋予一 个或多个预先定义的类别名称的过程。对每个文本只指定一个类别称“硬分类”，指定多个 类别则为“软分类”，若不加说明以下均指硬分类。现有的分类包括基于规则的分类和基于 统计学习两大类。而由于在线论坛的帖子大部分帖子比较短，其特点是特征数少、用词不规 范、大量省略类别相关的背景知识等，这类帖子往往不具备统计信息，不能使用基于统计学 习的分类。因此一般使用基于规则的分类算法。基于规则的本文档来自技高网...

【技术保护点】
一种文本分类方法，其特征在于，包括：对待分类文本进行分句，对每个句子进行依存句法分析，抽取出所有依存对作为抽取的决策单元；从知识库检索所述抽取的决策单元所属的类别，所述知识库中存储有作为分类依据的决策单元及所属的类别及权值；按类别累加所述抽取的决策单元权值之和；将所述权值之和最大的类别作为待分类文本的类别。

【技术特征摘要】

【专利技术属性】
技术研发人员：张翼，陈儒，王震，高立琦，刘桂平，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：94[中国|深圳]