[发明专利]一种文本信息的分类方法及装置

说明书

本发明公开了一种文本信息的分类方法及装置，涉及信息分类技术领域，主要目的在于识别物料信息中的关键词，并基于关键词对物料信息进行分类。本发明主要的技术方案为：将所获取的文本信息进行分词，得到多个词根，所述词根为用于文本信息分类的预置关键词；根据所述词根在所述文本信息中的位置组合多个词根组；将所述词根组与预置标签进行匹配，所述预置标签是由多个词根组合对应的组合标识；根据预置规则在匹配成功的词根组中选择一个词根组对应的预置标签作为所述文本信息的分类标签；按照所述分类标签对所述文本信息进行分类。本发明主要用于对文本信息分类。

技术领域

本发明涉及信息分类技术领域，尤其涉及一种文本信息的分类方法及装置。

背景技术

SEM(搜索引擎营销，Search Engine Marketing)的基本思想是让用户发现信息，并通过搜索点击进入网站/网页进一步了解他所需要的信息。SEM系统的作用是以最小的投入在搜索引擎中获最大的访问量并产生对应的商业价值。在信息检索过程中,用户可以通过搜索词来触发预置的关键词，再通过点击操作由关键词得到相关广告创意，进而进入广告主的网站，达成流量或转化。

在广告主的SEM账户中的关键词、创意等数据一般统称为物料，业务人员经常需要更新物料信息。而对于新的物料信息,如何将其划分到对应的账户中，或者是为新建账户划分物料信息，目前所采用的处理方法是通过人工的方式对物料信息进行识别，并划分到对应的账户中。但对于大量的物料信息，需要在确保实效的前提下，就需要大量的人工来完成，而这种方式在高强度的工作状态下将大幅降低对物料分类的准确性。

发明内容

有鉴于此，本发明提供一种文本信息的分类方法及装置，主要目的在于识别物料信息中的关键词，并基于关键词对物料信息进行分类。

为达到上述目的，本发明主要提供如下技术方案：

一方面，本发明提供了一种文本信息的分类方法，该方法包括：

将所获取的文本信息进行分词，得到多个词根，所述词根为用于文本信息分类的预置关键词；

根据所述词根在所述文本信息中的位置组合多个词根组；

将所述词根组与预置标签进行匹配，所述预置标签是由多个词根组合对应的组合标识；

根据预置规则在匹配成功的词根组中选择一个词根组对应的预置标签作为所述文本信息的分类标签；

按照所述分类标签对所述文本信息进行分类。

优选的，在将所获取的文本信息进行分词之前，所述方法还包括：

设置预置规则，具体为：

设置所述预置标签中的组合词根，包括词根的顺序以及数量；

对于具有相同词根数量的预置标签，设置不同的优先级。

优选的，所述根据预置规则在匹配成功的词根组中选择一个词根组对应的预置标签作为所述文本信息的分类标签包括：

确定所述匹配成功的词根组中词根的数量；

当词根数量最多的词根组唯一时，则将所述词根组对应的预置标签作为所述文本信息的分类标签；

当词根数量最多的词根组为多个时，则提取多个词根组中优先级最高的一个词根组所对应的预置标签作为所述文本信息的分类标签。

优选的，将所述词根组与预置标签进行匹配包括：

根据所述词根组中的词根数量和/或词根的排列顺序匹配所述预置标签。

优选的，所述将所获取的文本信息进行分词，得到多个词根包括：

当分词结果中的分词为所述预置关键词时，将所述分词作为一个词根；