[发明专利]一种主观文本和客观文本分类方法及装置

权利要求书

1.一种主观文本和客观文本分类方法，其特征在于，包括：

对不平衡训练样本进行多次欠采样，每次得到对应的一组欠采样训练集；

对每一组所述欠采样训练集任意选择一种机器学习分类方法进行训练，从而为每一组所述欠采样训练集构建一个对应的基分类器；

使用每个所述基分类器对待分样本进行分类，分别得到对应的分类结果；

将所有所述的分类结果进行统计，得到统计结果；

使用所述统计结果判断待分样本的主客观类别。

2.根据权利要求1所述的主观文本和客观文本分类方法，其特征在于，所述对不平衡训练样本进行多次欠采样之前包括步骤：

将所述不平衡训练样本通过人工标注的方法分成主观类句子和客观类句子；

比较所述不平衡训练样本包含主观类句子和客观类句子的数量的多少，将句子数量多的一类归类作为多数类样本，将句子数量少的一类归类作为少数类样本；

所述对不平衡训练样本进行多次欠采样的不平衡训练样本是归类为多数类样本的不平衡训练样本。

3.根据权利要求2所述的主观文本和客观文本分类方法，其特征在于，所述将句子数量多的一类作为多数类样本，将句子数量少的一类作为少数类样本之后进一步包括：

通过计算多数类样本的数量和少数类样本的数量的比例确定欠采样的次数。

4.根据权利要求2或3中所述的主观文本和客观文本分类方法，其特征在于，所述对不平衡训练样本进行多次欠采样包括：

按照所述确定的欠采样次数，从所述多数类样本中重复抽取出部分多数类样本，每一次抽取出的部分多数类样本的数量与所述少数类样本的数量相同。

5.根据权利要求4所述的主观文本和客观文本分类方法，其特征在于，所述每次得到对应的一组欠采样训练集包括：

将每一次抽取出的所述部分多数类样本与所述少数类样本组合成一组欠采样训练集。

6.根据权利要求1至3中任意一项所述的主观文本和客观文本分类方法，其特征在于，所述机器学习分类方法包括：

朴素贝叶斯分类、最大熵分类和支持向量机分类中的任意一种。

7.根据权利要求1至3中任意一项所述的主观文本和客观文本分类方法，其特征在于，所述分类结果为每个基分类器给出的所述待分样本属于主观类的后验概率和属于客观类的后验概率。