[发明专利]信息分类方法及装置

说明书

技术领域

本发明涉及信息分类技术领域，更具体涉及一种信息分类方法及装置。

背景技术

随着因特网在全球范围内的飞速发展，网络信息越来越多，用户可能只关注某一方面的网络信息，例如股票类的网络信息，某一个公司的网络信息。且不同的用户关注的网络信息可能不同。

因此，如何对海量的网络信息进行分类，以便将相应类别的网络信息提供给具有相应需求的用户变得尤为重要。

发明内容

有鉴于此，本发明提供了一种信息分类方法及装置，以克服现有技术中没有对海量的网络信息进行分类的问题。

为实现上述目的，本发明提供如下技术方案：

一种信息分类方法，包括：

将网络信息进行划分，获得词汇集合，词汇集合至少包括一个词汇；

从所述词汇集合中，获得与预先存储的各类别信息相匹配的类别词汇，每一类别信息包括用于表征相应类别信息的至少一个类别词汇；

计算所述词汇集合中包含的每一类别词汇的权重，权重用于表征所述网络信息与相应类别词汇的关联程度；

依据预先存储的每一类别信息中各类别词汇的关联关系，确定所述词汇集合包含的所有类别词汇所属的目标类别信息；

依据所述词汇集合包含的所有类别词汇所属的目标类别信息，以及所述词汇集合包含的每一类别词汇相应的权重，计算每一目标类别信息的权重；

依据每一目标类别信息的权重，确定所述网络信息所属类别信息。

其中，所述计算所述词汇集合中包含的每一类别词汇的权重包括：

依据所述词汇集合中包含的每一类别词汇在所述网络信息中出现的次数、出现的位置、所述词汇集合中所有类别词汇所属目标类别信息的个数，和，预先获得的每一目标类别信息的逆向文件频率中的一个或多个，计算每一类别词汇的权重，每一目标类别信息的逆向文件频率为待分类的网络信息总数与包含相应目标类别信息的网络信息个数的商的对数。

优选地还包括：

通过分类器获得用于描述所述至少一个类别信息的所述网络信息。

其中，所述依据每一目标类别信息的权重，确定所述网络信息所属类别信息包括：

判断每一目标类别信息的权重与第一预设阈值的大小关系；

将大于等于所述第一预设阈值的权重相应的目标类别信息，确定为所述网络信息所属类别信息。

优选地，还包括：

当所述词汇集合中包含的所有类别词汇所属目标类别信息的个数小于等于第二预设阈值时，执行步骤计算所述词汇集合中包含的每一类别词汇的权重。

优选地，还包括：

获取用户关注的类别信息；

将与用户关注的类别信息对应的网络信息发送至所述用户。

其中，所述网络信息为股票类信息，每一类别信息包括股票全称、股票简称和股票代码。

一种信息分类装置，包括：

第一获取模块，用于将网络信息进行划分，获得词汇集合，词汇集合至少包括一个词汇；

第二获取模块，用于从所述词汇集合中，获得与预先存储的各类别信息相匹配的类别词汇，每一类别信息包括用于表征相应类别信息的至少一个类别词汇；

第一计算模块，用于计算所述词汇集合中包含的每一类别词汇的权重，权重用于表征所述网络信息与相应类别词汇的关联程度；

第一确定模块，用于依据预先存储的每一类别信息中各类别词汇的关联关系，确定所述词汇集合包含的所有类别词汇所属的目标类别信息；

第二计算模块，用于依据所述词汇集合包含的所有类别词汇所属的目标类别信息，以及所述词汇集合包含的每一类别词汇相应的权重，计算每一目标类别信息的权重；

第二确定模块，用于依据每一目标类别信息的权重，确定所述网络信息所属类别信息。

其中，所述第一计算模块具体用于：

依据所述词汇集合中包含的每一类别词汇在所述网络信息中出现的次数、出现的位置、所述词汇集合中所有类别词汇所属目标类别信息的个数，和，预先获得的每一目标类别信息的逆向文件频率中的一个或多个，计算每一类别词汇的权重，每一目标类别信息的逆向文件频率为待分类的网络信息总数与包含相应目标类别信息的网络信息个数的商的对数。

其中，所述第二确定模块包括：

判断单元，用于判断每一目标类别信息的权重与第一预设阈值的大小关系；

确定单元，用于将大于等于所述第一预设阈值的权重相应的目标类别信息，确定为所述网络信息所属类别信息。