[发明专利]一种基于DA_FASTTEXT的文档分类方法

权利要求书

1.一种基于DA_FASTTEXT的文档分类方法，其特征在于，包括如下步骤：

S1、邮件文档预处理；

S2、通过DA算法对FASTTEXT进行参数寻优，具体流程如下：

S2-1、初始化DA算法参数：最大迭代次数MAX_EPOCHS，种群数量N；

S2-2、初始化搜索空间中蜻蜓的位置向量X，方向向量△X，FASTTEXT模型参数：学习因子lr、训练迭代次数epoch和向量维度dim组合形成各只蜻蜓需优化的参数组合，其中X矩阵的第1，2，3行分别存放lr、epoch和dim的值；

S2-3、根据DA算法更新当前迭代次数t时蜻蜓的位置向量X_t+1；

S2-4、计算适应度值；

S2-5、搜寻领域中有无蜻蜓个体存在，以欧式距离作为领域中有无蜻蜓存在的根据，若存在，则取N0情况下的位置向量更新公式，更新位置与步长，若不存在，用N＝0情况下的位置向量更新公式对位置进行更新；

S2-6、计算蜻蜓5个行为的行为位置向量以及对应的权重s，a，c，f，e的值；

S2-7、更新位置向量X和方向向量△X；

S2-8、判断迭代次数是否到达最大迭代次，若满足条件，则直接跳出，同时输出最优参数组合，若不满足，则迭代次数+1，跳转执行步骤S2-3；

S3、DA_FASTTEXT分类模型训练，具体流程如下：

S3-1、设置FASTEXT算法的模型参数，学习因子lr，训练迭代次数epoch和向量维度dim为DA算法得到的最优参数组合；

S3-2、采用邮件文档预处理得到的训练数据对FASTTEXT模型进行模型训练，最终得到最优的DA_FASTTEXT邮件分类模型；

S4、实时邮件分类，具体流程如下：

S4-1、对邮件主题、邮件内容、附件标题和附件内容进行解析；

S4-2、将解析后的内容分别进行jieba分词，按分词后的邮件主题、邮件内容、附件标题、附件内容顺序拼接后输入到DA_FASTTEXT模型中，获取当前邮件对应的类别信息返回给用户。

2.根据权利要求1所述的一种基于DA_FASTTEXT的文档分类方法，其特征在于，所述邮件文档预处理包括：

制定邮件分类标准，将邮件分为：人事调动、应聘入职、简历、招投标、需求方案、进度六大类，对训练邮件语料进行人工标注，分别归类到制定的分类标准类别中；

提取邮件主题、邮件内容、附件标题、附件内容，分别对邮件主题、邮件内容、附件标题、附件内容进行jieba分词处理后进行内容拼接，将处理后的邮件中80％作为训练集，20％作为测试集。