[发明专利]一种基于大数据的分类方法

权利要求书

1.一种基于大数据的分类方法，其特征在于，包括以下步骤：

S1.建立训练模型；

S2.获取新闻D并对新闻D进行分词得到新闻S；

S3.通过训练模型得到所述新闻S的分类类别；

所述训练模型的具体训练步骤为：

S11.对新闻D1进行分词得到新闻S1；

S12.对所述新闻S1建立VSM空间向量模型并提取特征词ti；

S13.基于特征词ti计算所述新闻S1与所有类别的相关概率；

S14.判断是否计算完毕，若是，得到最大概率相关的类别cm，否则执行S13；

S15.将所述新闻S1分类到所述类别cm；

S16.判断训练是否完成，若完成执行S17，否则执行S11；

S17.保存训练模型并结束。

2.根据权利要求1所述的一种基于大数据的分类方法，其特征在于，所述步骤S12的所述VSM空间向量模型具体建立方式为：将所述新闻S1设置为一个由n维特征组成的向量，所述VSM空间向量模型中每一个特征均为一个词。

3.根据权利要求2所述的一种基于大数据的分类方法，其特征在于，所述步骤S12还包括：提取所述新闻S1的特征词ti，通过预设算法得到S1＝{ω1,ω2,…,ωn}，其中ωi为特征词ti的权重。

4.根据权利要求3所述的一种基于大数据的分类方法，其特征在于，ωi计算公式如下：

ω ( t i , S 1 ) = t f ( t i , S 1 ) × l o g ( N n t i + 0.01 ) Σ t i ∈ D [ f ( t i , S 1 ) × l o g ( N n t i + 0.01 ) ] ]]>

其中，nti为出现词ti的新闻报道数，N为语料库中的总新闻数，tf(ti,D)为特征词ti在新闻S1中出现的频率。