[发明专利]多策略结合文档自动分类方法

权利要求书

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.如权利要求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={c₁，c₂，…，c_m}表示，C代表预定义的类别集合；

确定每个类的类中心向量，得到m个类的类中心向量v（c₁），v（c₂），…，v（c_m），其值为每个分类中的所有向量的算术平均。

3.如权利要求2所述的多策略结合文档自动分类方法，其特征在于，获取所述类阀值的步骤包括：

设有两个文档向量d1、d2，分别表示为d1={w1₁，w1₂，…，w1_n}，d2={w2₁，w2₂，…，w2_n}，则文档的相似性Sim（d1，d2），用向量d1和d2的向量夹角的余弦cosθ来表示，cosθ为0～1之间的值，

Sim(d1,d2)=cosθ=Σi=1nw1i×w2i(Σi=1nw1i2)×(Σi=1nw2i2);]]>

将已分类文本D中的所有文本向量与c₁类中心向量进行相似度计算，得到一个不属于c₁类且与c₁类中心向量的相似度最大的向量，其与c₁类中心向量的相似度值即可设定为c₁类的类阀值，记为FC₁，同理，可以得到c₂到c_m类的类阀值，FC₂，…，FC_m。