[发明专利]一种公安领域案件文本的分类方法

权利要求书

1.一种公安领域案件文本的分类方法，其特征在于，包括以下步骤：

1)对案件文本进行预处理；

2)建立支持向量机对预处理后的案件文本进行分类；

3)建立基于词典的规则匹配案件分类器；所述基于词典的规则匹配案件分类器建立过程包括：先构造案件分类识别词典，该词典由5部分组成：“规则序号”、“一级案件类别”、“二级案件类别”，“关键词”、“排斥词”；所述“关键词”由一个或多个词组成，词汇间为与关系，即案件描述中，同时包含“关键词”中的所有词，才匹配该规则；当“关键词”匹配上后，若该规则的“排斥词”不为空，则还需进一步比对；所述“排斥词”用于区分两类具备相同“关键词”的案件，所述“排斥词”字段同样包含一个或多个词，词汇间为“或关系”，即案件描述中只要含有“排斥词”中的任意一个词，则表示不符合该规则，继续比对下一条规则；对于匹配上规则的案件，返回“规则序号”、“一级案件类别”、“二级案件类别”；

4)根据决策函数值，对支持向量机分类所得结果置信度低的案件，利用所述基于词典的规则匹配案件分类器进行二次分类，以该分类结果为最终结果。

2.根据权利要求1所述的公安领域案件文本的分类方法，其特征在于，步骤1)中，案件文本预处理包括以下步骤：

1)进行案件描述内容提取，利用正则表达式匹配的方法，提取“报警称：”之后的文本内容，然后对该文本内容进行分词；

2)对所有案件文本进行分词之后，根据文档频数筛选停用词，满足条件N_td＝70％*N_d的词被列为停用词，其中N_td为包含词t的案件文本数量，N_d为总的案件文本数量；

3)采用TF-IDF公式计算特征词的权重，用以评估各个特征词的重要程度,将所有案件文本经分词、过滤停用词后，用向量的形式对每个案件文本进行表示，向量的每一维表示文本中特征词的权重。

3.根据权利要求1所述的公安领域案件文本的分类方法，其特征在于，步骤2)中，对预处理后的案件文本向量集合X，给予两个案件类别标签y1、y2，y1为一级案件类别，y2为二级案件类别；以X和y1为样本训练得一级分类器，然后根据y1的值对X分组，对同属于y1类别的，以X和y2为样本训练得二级分类器；所有一级案件类别的分类对应一个一级分类器，同属于一类一级案件类别的所有二级案件类别的分类对应一个二级分类器；当层次支持向量机模型预测一个案件时，先调用一级分类器判断该案件的一级案件类别，根据获得的一级案件类别调用对应的二级分类器，获得该案件的二级案件类别。

4.根据权利要求1所述的公安领域案件文本的分类方法，其特征在于，步骤4)中，置信度低的案件满足以下条件之一：各个分类器的决策函数值均为负数；仅一个分类器的决策函数值为正数，但其值小于1；出现两个分类器的决策函数值为正数，且两个分类器数值的相对平均偏差≤5％；出现三个及以上的分类器的决策函数值为正数。