[发明专利]一种文本分类方法及装置

权利要求书

1.一种文本分类方法，其特征在于，所述方法至少包括如下步骤：

基于预先设置的M种分类类型，分别采用N种分类算法计算待分类文本采用每一种分类类型分类时的评分t_n，M≥2，N≥2，n＝M*N；

将属于同一种分类类型的N个评分t_n进行加权融合，获得每一种分类类型的最终评分T_m；

对所述M种分类类型的最终评分T_m进行排序，并选出最终评分T_m最高的类型作为所述待分类文本的最终分类类型。

2.根据权利要求1所述的方法，其特征在于，所述分别采用N种分类算法计算待分类文本采用每一种分类类型分类时的评分t_n之前，还包括：获取训练文本集；

所述基于预先设置的M种分类类型，分别采用N种分类算法计算待分类文本采用每一种分类类型分类时的评分t_n，包括：

分别计算预先获取的训练文本集中每一个分词的每一类型的条件概率；

获取待分类文本的特征向量；

利用所述训练文本集的条件概率与待分类文本的特征向量分别计算所述待分类文本采用每一种分类类型分类时的评分t_n。

3.根据权利要求2所述的方法，其特征在于，获取训练文本集具体包括如下子步骤：

将样本集中的每一文本样本进行分词获得第一分词结果，并对每一文本样本进行预分类；

基于所述第一分词结果生成样本集词列表；

将每一文本样本的第一分词结果与所述样本集词列表对比，并以所述样本集词列表中是否存在所述第一分词结果中的分词进行分类，将所述样本集表示成向量形式，并作为训练文本集。

4.根据权利要求3所述的方法，其特征在于，所述获取待分类文本的特征向量，包括：

对所述待分类文本进行分词获得第二分词结果；

将所述第二分词结果与所述样本集词列表对比，并以所述样本集词列表中是否存在所述第二分词结果中的分词进行分类，获得所述待分类文本的特征向量。

5.根据权利要求4所述的方法，其特征在于，对所述条件概率的值进行策略增加，以使每一个分词的每一类型的条件概率均大于0，且所述训练文本集中每一个分词针对同一类型的增加后的条件概率和为1。

6.根据权利要求1～5任意一项所述的方法，其特征在于，所述分类算法至少包括贝叶斯算法及TFIDF算法。

7.一种文本分类装置，其特征在于，所述装置至少包括：

第一计算模块，用于基于预先设置的M种分类类型，分别采用N种分类算法计算待分类文本采用每一种分类类型分类时的评分t_n，M≥2，N≥2，n＝M*N；

第二计算模块，用于将属于同一种分类类型的N个评分t_n进行加权融合，获得每一种分类类型的最终评分T_m；

排序筛选模块，用于对所述M种分类类型的最终评分T_m进行排序，并选出最终评分T_m最高的类型作为所述待分类文本的最终分类类型。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：训练文本集获取模块；

所述第一计算模块至少包括：

第一计算子模块，用于分别计算预先获取的训练文本集中每一个分词的每一类型的条件概率；

特征向量获取子模块，用于获取待分类文本的特征向量；

第二计算子模块，利用所述训练文本集的条件概率与待分类文本的特征向量分别计算所述待分类文本采用每一种分类类型分类时的评分t_n。