[发明专利]一种对短信文本进行分类的方法及系统

说明书

一种对短信文本进行分类的方法和系统。所述方法包括：对短信文本进行分词处理获得短信词表；查找预置的分类表，获得所述短信词表中与分类表匹配的匹配项，并获得所述匹配项在分类表中的标注信息；在短信词表中建立该匹配项与所述标注信息的对应关系；根据标注信息获得对应的优先级；获得短信词表中优先级最高的标注信息以及对应的类别标识，根据所述类别标识对短信分类。本发明与现有技术相比具有更少的处理环节，因此具备对海量短信信息分类的能力；另一方面，本发明又可以针对少量特殊短信做精准分类。

技术领域

本发明涉及一种数据分类处理技术，尤其是对于非结构化文本进行分类的技术。

背景技术

对非结构化文本分类，一般采用基于内容的机器学习的方法。采用机器学习的方法需要海量数据的支持，利用海量数据进行训练的模型。

对于结构相对规范的短文本信息，例如银行，电信等机构发送的通知短信等，如果希望相对精准的对短信分类，并提取结构信息时，现有机器学习的方法在信息分类的准确性和效率方面并未达到期望的要求。尤其是同一条短信中出现多种关键信息，如逾期、还款、账单等信息时，对各类别赋予不同的优先级，可以实现更为准确的分类。

发明内容

本发明的目的是为了提供一种具有较佳分类准确率和分类效率的对短信文本进行分类的方法及系统。

一种对短信文本进行分类的方法，其特征在于，包括：对短信文本进行分词处理获得短信词表；查找预置的分类表，获得所述短信词表中与分类表匹配的匹配项，并获得所述匹配项在分类表中的标注信息；在短信词表中建立该匹配项与所述标注信息的对应关系；根据标注信息获得对应的优先级；获得短信词表中优先级最高的标注信息以及对应的类别标识，根据所述类别标识对短信分类。

上述方法中，所述获得所述分类优先级具体为：读取短信词表，获取匹配项对应的标注信息；按照预置的标注信息与优先级的对应关系查找该匹配项标注信息对应的优先级。

上述方法中，获得所述短信词表中与分类表匹配项，进一步获取该匹配项在分类表中的标注信息所对应的优先级；在短信词表中建立该匹配项与所述标注信息及优先级的对应关系。

上述方法中，获得短信词表中优先级最高的类别标识具体为：查找获得短信词表中最高的优先级；查找短信词表中该最高优先级对应的标注信息；获得短信词表中与所述标注信息对应的类别标识。

其中，获得短信词表中优先级最高的分类具体为：顺序读取短信词表；若当前读取词具有标注信息，则获取该标注信息对应的优先级；若当前获取的优先级高于已缓存的优先级，则将所述当前获取的标注信息对应的类别标识及优先级更新至缓存；否则读取短信词表中的下一个词。

进一步，将所述当前获取的类别标识及优先级更新至缓存后还包括：判断所述当前优先级是否为优先级序列的最高级，若是则结束读取短信词表。

本发明实施例提供一种对短信文本进行分类的系统，包括：

分词模块，用于对短信进行分词处理，生成短信词表；

短信词表编辑模块，用于将所述短信词表与预置的分类表进行匹配，获得所述短信词表中与分类表匹配的匹配项，获取所述匹配项在分类表中的标注信息，在短信词表中建立所述匹配项与标注信息的对应关系；

第一查找模块，用于顺序读取短信词表，获取当前匹配项的标注信息，查找预置的对应关系，获得标注信息对应的优先级及类别标识；若结束对短信词表的读取，则触发输出模块输出类别标识；

缓存模块，用于缓存类别标识及对应的优先级；

比较计算模块，用于将第一查找模块获得的优先级与缓存模块已缓存的优先级进行比较，若第一查找模块获得所述优先级高，则将第一查找模块获得的类别标识及优先级更新至缓存模块；

输出模块，输出缓存单元保存的类别标识。