一种基于改进的TF-IDF的文章分类方法
基本信息
| 申请号 | CN201811393043.5 | 申请日 | - |
| 公开（公告）号 | CN109543037A | 公开（公告）日 | 2019-03-29 |
| 申请公布号 | CN109543037A | 申请公布日 | 2019-03-29 |
| 分类号 | G06F16/35（2019.01）I; G06K9/62（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 唐杰 | 申请（专利权）人 | 南京安讯科技有限责任公司 |
| 代理机构 | 大连至诚专利代理事务所（特殊普通合伙） | 代理人 | 南京安讯科技有限责任公司 |
| 地址 | 210012 江苏省南京市雨花台区软件大道119号5幢201-206室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于改进的TF‑IDF的文章分类方法，具体包括步骤S1：采用中文分词系统对文本进行预处理，去除文本中的分词；S2：通过文本特征项对文本进行特征选择，使用改进的TF‑IDF权值计算方法计算特征项权值；S3：使用SVM分类器对训练集中的已知类别文本进行学习获得满足分类标准的SVM分类器；S4：采用满足分类标准的SVM分类器对集合文本进行分类。本方法在对文章分类过程中引入卡方统计量CHI和特征词在文本中的位置作为修正因子并结合传统TF‑IDF权值计算公式，很好的解决了特征词在类间分布以及关键词重要程度不足的问题，达到了迅速对文本分来的效果。 |
