[发明专利]一种文本分类方法及计算装置

权利要求书

1.一种文本分类方法，其特征在于，包括：

获取当前场景中N个颜值区的文本信息和M个游戏分区的文本信息，N和M为大于0的整数，N与M的差值的绝对值小于预置阈值；

从所述N个颜值区的文本信息和所述M个游戏分区的文本信息中选择A个文本信息，其中，所述A个文本信息中的每个文本信息包括第一特征、第二特征和第三特征，所述第一特征包括句子长度,所述第二特征包括句子中词语最大逆文本频率指数值，所述第三特征包括句子中词语最大词频值；

从所述第一特征、所述第二特征和所述第三特征中选择至少两个特征作为候选特征；

根据所述候选特征和特征选择公式，选择信息增益最大的特征对决策树的节点进行分裂，生成随机森林模型；

所述特征选择公式为：

其中，G(A)表示属性A的信息增益，Splitl(A)表示属性A的信息划分量，T(F)表示属性A与非属性A的关联度，F表示非属性A集合，调整系数，取值在(0,1)之间。

2.根据权利要求1所述的方法，其特征在于，所述获取当前场景中N个颜值区的文本信息和M个游戏分区的文本信息之前，所述方法还包括：

获取X1个颜值区的原文本信息；

当X1与M的差值的绝对值大于所述预置阈值时，从所述X1个颜值区的原文本信息中选择X2个颜值区的文本信息；

根据所述X2个颜值区的文本信息和样本采样公式，计算得到X3个颜值区的新文本信息；

确定所述X3个颜值区的新文本信息与所述X1个颜值区的原文本信息的和为所述N个颜值区的文本信息。

3.根据权利要求2所述的方法，其特征在于，所述根据所述X2个颜值区的文本信息和样本采样公式，计算得到X3个颜值区的新文本信息，包括：

根据所述X2个颜值区的文本信息和欧式距离，确定X3个颜值区的近邻文本信息；

根据所述X3个颜值区的近邻文本信息和所述样本采样公式，计算得到所述X3个颜值区的新文本信息。

4.根据权利要求1所述的方法，其特征在于，所述获取当前场景中N个颜值区的文本信息和M个游戏分区的文本信息之前，所述方法还包括：

获取Y1个游戏分区的原文本信息；

当Y1与M的差值的绝对值大于所述预置阈值时，从所述Y1个游戏分区的原文本信息中选择Y2个游戏分区的文本信息；

根据所述Y2个游戏分区的文本信息和样本采样公式，计算得到Y3个游戏分区的新文本信息；

确定所述Y3个游戏分区的新文本信息与所述Y1个游戏分区的原文本信息的和为所述M个游戏分区的文本信息。

5.根据权利要求4所述的方法，其特征在于，所述根据所述Y2个游戏分区的文本信息和样本采样公式，计算得到Y3个游戏分区的新文本信息，包括：

根据所述Y2个游戏分区的文本信息和欧式距离，确定Y3个游戏分区的近邻文本信息；

根据所述Y3个游戏分区的近邻文本信息和所述样本采样公式，计算得到所述Y3个游戏分区的新文本信息。

6.根据权利要求2-5中任一项所述的方法，其特征在于，所述样本采样公式为：

s_i＝x_i+τ*max(0.1,|x_ij-x_i|)，

其中，s_i表示第i个新样本，x_i表示任意一个少数类样本，x_ij表示x_i的第j个近邻样本，0≤j≤N，N表示随机选出N个样本数，τ调整系数，取值在(0,1)之间。