[发明专利]文本内容识别方法、装置、电子设备和可读介质

权利要求书

1.一种文本内容识别方法，其特征在于，包括：

确定数据样本中的数据属于指定属性的概率；

确定所述数据样本的属性划分的样本子集的熵；

根据所述概率和所述熵确定所述属性的信息增益权重；

根据所述数据样本的属性对应的相关系数确定相关系数权重；

根据所述信息增益权重和所述相关系数权重构建朴素贝叶斯分类模型，所述朴素贝叶斯分类模型用于对文本内容进行识别。

2.如权利要求1所述的文本内容识别方法，其特征在于，确定所述数据样本的属性划分的样本子集的熵包括：

确定所述属性有K种取值；

根据K种所述取值将所述数据样本划分为K个子集；

根据所述K个子集的概率确定所述属性对应的熵。

3.如权利要求2所述的文本内容识别方法，其特征在于，将所述概率记作P(C_i)，根据所述K个子集的概率确定所述属性对应的熵的表达式包括：

其中，所述d_m表征所述数据样本中属性值等于所述属性的值的样本数，所述d_ij表征所述K个子集中属于所述C_i的样本数目，所述C_i表征一个目标属性，所述E(A_i)表征所述熵。

4.如权利要求3所述的文本内容识别方法，其特征在于，根据所述概率和所述熵确定所述属性的信息增益权重的表达式包括：

其中，所述Gain(A_i)表征所述信息增益权重。

5.如权利要求1所述的文本内容识别方法，其特征在于，根据所述数据样本的属性对应的相关系数确定相关系数权重包括：

选取所述属性中的一个属性作为决策属性；

将所述属性中除所述决策属性以外的属性确定为条件属性；

根据所述决策属性和所述条件属性确定所述相关系数权重。

6.如权利要求5所述的文本内容识别方法，其特征在于，根据所述决策属性和所述条件属性确定所述相关系数权重包括：

确定所述决策属性的取值与所述条件属性的取值之间的协方差；

确定所述决策属性的取值的方差，记作第一方差；

确定所述条件属性的取值的方差，记作第二方差；

根据所述协方差、所述第一方差和所述第二方差确定所述相关系数权重。

7.如权利要求1-6中任一项所述的文本内容识别方法，其特征在于，根据所述信息增益权重和所述相关系数权重构建朴素贝叶斯分类模型包括：

根据预设的权重参数、所述信息增益权重和所述相关系数权重确定综合权重；

根据权重参数的最优解对应的综合权重构建所述朴素贝叶斯分类模型，所述朴素贝叶斯分类模型的表达式包括：

ω_i＝ω_ziα+ω_si(1-α)，

其中，所述Ci表征一个目标属性，所述α表征所述权重参数，所述ω_i表征所述综合权重，所述ω_Zi表征所述信息增益权重，所述ω_Si表征所述相关系数权重，所述CWNB-GC(X)表征所述朴素贝叶斯分类模型。

8.一种文本内容识别装置，其特征在于，包括：

确定模块，设置为确定数据样本中的数据属于指定属性的概率；

所述确定模块，设置为确定所述数据样本的属性划分的样本子集的熵；

所述确定模块，设置为根据所述概率和所述熵确定所述属性的信息增益权重；

所述确定模块，设置为根据所述数据样本的属性对应的相关系数确定相关系数权重；

构建模块，设置为根据所述信息增益权重和所述相关系数权重构建朴素贝叶斯分类模型，所述朴素贝叶斯分类模型用于对文本内容进行识别。