多策略结合文档自动分类方法技术

本发明专利技术公开了一种多策略结合文档自动分类方法，包括：对于给定的待分类文档，对其进行关键词提取，按照关键词获取待分类文档向量，获取标准文档库中每个类的类中心向量；根据所述类中心向量获取已分类文档的类阀值；将待分类文档向量与类中心的相似度同所述类阀值进行比较，当待分类文档向量与类中心的相似度大于等于所述类阀值时，采用向量空间法对待分类文档进行分类；否则，使用KNN方法对所述待分类文档进行分类。与现有技术相比，本发明专利技术技术方案能大大提高文档分类效率，同时又不失分类精度。

【技术实现步骤摘要】

本专利技术涉及一种计算机文档分类方法，具体说，涉及一种。
技术介绍
自动文本分类(Automatic Text Categorization),或者简称为文本分类，是指用计算机将一篇文章归于预先给定的某一类或某些类的过程。对文本进行准确、高效的分类是许多数据管理任务的重要组成部分，是文本挖掘的一个重要内容。20世纪90年代以前，占主导地位的文本分类方法一直是基于知识工程的分类方法，即由专业人员手工进行分类。人工分类非常费时，效率非常低。90年代以来，众多的统计方法和机器学习方法应用于自动文本分类，文本分类技术的研究引起了研究人员的极大兴趣。目前在国内也已经开始对中文文本分类进行研究，并在信息检索、Web文档自动分类、数字图书馆、自动文摘、分类新闻组、文本过滤、单词语义辨析以及文档的组织和管理等多个领域得到了初步的应用。向量空间模型是一个应用于信息过滤、信息撷取、索引以及评估相关性的代数模型。在该模型中，文档被表示为由关键词形成的向量空间，通过计算两个向量之间的相似性来可以来计算文档的相似性。在文本分类中，通过计算待分类文档与各个类别的中心向量的相似性，与待分文本相似度值最大的类中心本文档来自技高网...

【技术保护点】
一种多策略结合文档自动分类方法，包括：对于给定的待分类文档，对其进行关键词提取，按照关键词获取待分类文档向量，获取标准文档库中每个类的类中心向量；根据所述类中心向量获取已分类文档的类阀值；将待分类文档向量与类中心的相似度同所述类阀值进行比较，当待分类文档向量与类中心的相似度大于等于所述类阀值时，采用向量空间法对待分类文档进行分类；否则，使用KNN方法对所述待分类文档进行分类。

【技术特征摘要】
1.一种多策略结合文档自动分类方法，包括: 对于给定的待分类文档，对其进行关键词提取，按照关键词获取待分类文档向量，获取标准文档库中每个类的类中心向量； 根据所述类中心向量获取已分类文档的类阀值； 将待分类文档向量与类中心的相似度同所述类阀值进行比较，当待分类文档向量与类中心的相似度大于等于所述类阀值时，采用向量空间法对待分类文档进行分类；否则，使用KNN方法对所述待分类文档进行分类。2.按权利要求1所述的多策略结合文档自动分类方法，其特征在于，所述类中心向量的获取步骤包括: 设标准文档库中有m个预定义分类，用C=I...

【专利技术属性】
技术研发人员：江潮，
申请(专利权)人：武汉传神信息技术有限公司，
类型：发明
国别省市：