一种基于频繁词集的网络新闻自动文本分类的方法
基本信息
| 申请号 | CN201210244558.5 | 申请日 | - |
| 公开（公告）号 | CN102799666A | 公开（公告）日 | 2012-11-28 |
| 申请公布号 | CN102799666A | 申请公布日 | 2012-11-28 |
| 分类号 | G06F17/30(2006.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 袁满;欧阳元新;赵海;熊璋 | 申请（专利权）人 | 北京洛克威尔科技有限公司 |
| 代理机构 | 北京科迪生专利代理有限责任公司 | 代理人 | 杨学明;顾炜 |
| 地址 | 100191 北京市海淀区学院路37号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于频繁词集的网络新闻自动文本分类的方法，该方法具体为：步骤（1）数据预处理和特征选择；步骤（2）提取频繁词集；步骤（3）基于频繁词集的文本表示；步骤（4）训练分类器并对文本进行分类。本发明能够利用频繁词集的新的约束参数AD-Sup，使频繁特征具有更好的类别区分能力。并且针对频繁特征上的数据稀疏性问题，提出了基于特征相似度的权重计算方法，有效的降低了文档在新增频繁词特征上的数据稀疏性。 |
