[发明专利]一种基于分段编码遗传算法的文本信息分类方法

摘要

本发明涉及智能制造信息分析技术，尤其是涉及一种基于分段编码遗传算法的文本信息分类方法。本发明主要包括以下步骤：通过文本前处理技术生成相应的文本信息矩阵，即为群体规模，给定降维特征数，随机产生初始群体，同时标记优化目标函数值最大的染色体，记录优化函数值；染色体采用分段编码(每段对应一类)，对初始种群交叉、变异生产新的种群，计算优化种群的优化函数值。本发明可以生成优化的文本信息分类，基于分段编码/交叉的合理分类可以解决遗传算法因数据量大而产生的工作效率低下的问题，同时因分段编码/交叉可以实现分布式处理、并行操作，可极大地提高后续数据处理的效率。

主权项

1.一种基于分段编码遗传算法的文本信息分类方法，分别将分为t种类型的文本信息记为C₁,C₂,…,C_t，式中t≥2，其中C_i类文本信息预设通过k_i个特征表示，1≤i≤t；则文本信息中共有个特征，设特征向量其中F1,F2,…,Fn分别表示不同的特征；接着进行以下步骤：第一步、从每个待分类文本信息mc中找出所有特征，该文本信息描述为其中A＝[a₁,a₂,...,a_j,...,a_n]表示该文本信息mc与特征向量F的关系矩阵；为关系运算符号，a_j取0或1，当a_j＝0时表示该文本信息中不包含特征F_j，当a_j＝1时表示该文本信息中包含特征F_j,其中1≤j≤n；以每个待分类文本信息mc的关系矩阵A为染色体的基因编码，并随机选取d个染色体生成初始种群，将初始种群作为当代种群；第二步、对当代种群的染色体进行适应度计算来筛选保留作为子代染色体，步骤为：步骤一、给定任一染色体T＝[a1,a2,...,aj,...,an]的降维优化函数为式中p为降维特征数，s_i为该染色体T中包含C_i类的所有k_i个特征总数量，x_ij为C_i类的第j个特征出现的次数，1≤i≤t，步骤二、找到初始种群中降维优化函数值最大的染色体记为其降维优化函数值记为步骤三、计算当代种群中所有染色体的降维优化函数值，找出使降维优化函数最大的染色体U，其降维优化函数值为f，如果则令同时找出当代种群中所有染色体的降维优化函数值最小的染色体V，其降维优化函数值为f_min，如果则令第三步、对第二步筛选后的当代种群进行变异和交叉，得到子代种群，如不满足迭代终止条件则将子代种群作为当代种群并转到第二步，其中迭代终止条件为遗传代数达到预定值；否则执行第四步；第四步、计算第三步得到的子代种群所有染色体中包含C_i类文本信息的特征总数量s1_i，以及所有染色体中C_i类文本信息第j个特征出现的次数x1_ij，其中1≤i≤t，1≤j≤k_i，令计算每个待分类文本信息mc的目标函数值式中，yij为待分类文本信息mc中Ci类文本信息第j个特征出现的次数；第五步、将待分类分配信息mc划归到使目标函数g(mc)最大的类，得出分类结果。