[发明专利]一种基于文本的商品分类处理方法及其系统

权利要求书

1.一种基于文本的商品分类处理方法，其特征在于，

从商品数据库提取文本格式商品数据，对商品数据进行分组并进行特征提取，利用训练文件依据概率模型构造出分类器，对商品数据进行分类。

2.根据权利要求1所述的方法，其中所述文本格式商品数据包括：类目信息和商品信息。

3.根据权利要求2所述的方法，其中所述类目信息包括类目ID、类目名称和父类目ID。

4.根据权利要求2所述的方法，其中所述商品信息包括商品ID、商品描述和商品所属类目号。

5.根据权利要求1所述的方法，进一步包括以下步骤：在对商品数据进行分组之前对商品数据进行预处理。

6.根据权利要求4所述的方法，其中对商品数据进行特征提取包括：对商品描述进行机器分词处理，形成包含有效词汇的待分类项。

7.根据权利要求1所述的方法，其中对商品数据进行分组包括将商品数据按比例随机分组为训练文件和测试文件。

8.根据权利要求1所述的方法，其中概率模型为朴素贝叶斯变换。

9.根据权利要求8所述的方法，其中朴素贝叶斯变换计算式为：

贝叶斯全概率公式p(C|F1,...,Fn)=p(C)p(F1,...,Fn|C)p(F1,...,Fn).,]]>其中C表示类目集合，F_i表示商品描述中的一个词项；P(C|F1,...,Fn)为后验概率；p(F1,...,Fn|C)为似然函数；p(F1,...,Fn)为证据；利用条件独立假设F_i为条件独立得到以下概率模型

p(C|F1,...,Fn)=1Zp(C)Πi=1np(Fi|C),]]>从而利用最大后验概率决策准则从概率模型构造出最终分类器classify(f1,...,fn)=argmaxcp(C=c)Πi=1np(Fi=fi|C=c).,]]>其中p(C=c)为训练文件中此类目商品数量和全部商品数量的比值，p(Fi=fi|C=c)为训练文件中此类目包含的关键字为F_i的数量和此类目中全部关键字的数量比值，通过计算，最可能的类目为分类器概率值最大的类目。