[发明专利]用于文本类型数据识别的方法、系统及存储介质

摘要

本发明涉及用于文本类型数据识别的方法、系统及存储介质。在该方法中首先获取数据表中的各个字段，将所有字段信息进行连接得到字段集合，然后构建训练集，对训练集中的字段集合进行基于字节的1‑gram特征的提取，将提取的特征输入bayes分类器进行训练，最后对待识别的数据表进行特征的提取，将提取的特征输入分类器中进行识别，分类器输出分类识别结果。该方法使用单汉字或者单词为语义单位作为分类特征，避免了特征在训练样本中的稀疏性问题，将类别所有字段内容连接为一个大文件进行处理，且将贝叶斯概率计算用于该分类问题，将字段的先验概率、1‑gram的类别条件概率作为计算概率的主要变量，分类中使用对数运算实现得分的相加，提高了识别准确率。