申请/专利权人：华南理工大学

申请日：2024-03-20

公开（公告）日：2024-06-25

公开（公告）号：CN117932072B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/216;G06F16/33;G06F16/36

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明适用于数据分类技术领域，尤其涉及一种基于特征向量稀疏性的文本分类方法。与现有技术相比，本发明相比深度学习算法，对计算资源需求小，分类器模型简单，原理清晰，计算过程可解释；为提取已具备类别标签的文本数据集的类别典型特征而设计，相比现有的特征提取算法，在该场景下实现了更为准确的文本类别特征提取；相比现有的浅层学习文本算法，显著提升了文本分类准确度；将耗时较多基于大数据样本的文本类别特征提取一次性完成，大数据文本类别特征的计算只需一次的目的；通过计算待分类文本的向量稀疏度完成文本分类，算法逻辑简单，稀疏度计算仅仅通过加法即可完成，计算简单；显著减少了文本分类的计算时间。

主权项：1.一种基于特征向量稀疏性的文本分类方法，其特征在于，所述文本分类方法包括以下步骤：S1、获取已知类别标签的文本数据集；S2、对所述文本数据集进行预处理，得到词典数据集；其中，所述词典数据集包括多个词项；S3、对所述词典数据集进行典型特征提取，得到类典型特征向量；S4、将待分类文本中的所有词项与所述类典型特征向量进行匹配，得到对应的特征向量；S5、对所述特征向量的向量稀疏度进行计算，计算得到所述待分类文本的文本类别；其中，统计所述特征向量中的向量稀疏度，其元素只包括0和1，对所述特征向量中的所有元素值进行加和，加和的数值代表了所述特征向量的非零元素的个数，也代表了所述特征向量的稀疏度；步骤S3中，包括以下子步骤：S31、计算出所述词典数据集中每一词项的平均词频值，所述平均词频值用于表征在词项层面中，所述词项对于所述文本数据集的文本类别特征表征能力；S32、计算出所述词典数据集中每一词项的文档频率值，所述文档频率值用于表征在文档层面中，所述词项对于所述文本数据集的文本类别特征表征能力；S33、根据所述平均词频值和所述文档频率值进行计算，得到每一所述词项对应的权重值，所述权重值用于表征所述词项对于所述文本数据集的文本类别特征表征能力值；S34、将每一所述词项对应的权重值进行组合排列，得到类典型特征向量。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于特征向量稀疏性的文本分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD