龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：深圳市查策网络信息技术有限公司
摘要：本发明涉及一种长文本的无监督分类方法，包括以下步骤：对待分类长文本进行过滤，提取待分类长文本中的标题文本、正文文本及发文部门文本三个部分；提取标题文本、正文文本及发文部门文本三个部分的权重系数；根据提取的权重系数将标题文本、正文文本及发文部门文本融合成一个新的长文本T；对新的长文本T进行中文分词，提取分词信息；将分词信息输入词向量模型得到词向量信息；根据词向量信息，计算长文本T的特征向量；对长文本T的特征向量进行聚类得到文本分类。通过本发明，改进长文本分类的方法，降低了长文本分类的时间复杂度，提高长文本分类的准确性，更方便用户对长文本解读和分类。
主权项：1.一种长文本的无监督分类方法，其特征在于，包括以下步骤：（1）对待分类长文本进行过滤，提取待分类长文本中的标题文本t1、正文文本t2及发文部门文本t3三个部分；（2）提取标题文本t1、正文文本t2及发文部门文本t3三个部分的权重系数c1、c2、c3；（3）根据提取的权重系数将标题文本t1、正文文本t2及发文部门文本t3融合成一个新的长文本T；（4）对新的长文本T进行中文分词，提取分词信息；将分词信息输入词向量模型得到词向量信息；（5）根据词向量信息，计算长文本T的特征向量；（6）对长文本T的特征向量进行聚类得到文本分类,所述步骤（2）具体为：2.1、对标题文本t1、正文文本t2及发文部门文本t3进行预处理，利用x2统计方法分别选取各个文本的特征词；2.2、根据各个文本的特征词，利用TF-IDF和基于x2统计方法的特征评价函数分别提取各个文本的权重系数；所述步骤（3）具体为：3.1、分别计算各个文本ti的长度Li，取L=maxL1,L2,L3，c=max（c1，c2，c3），其中i=1,2,3；3.2、将文本ti复制LLi*cic份，并连接到一起得到文本Ti；3.3、将文本T1、T2、T3顺序连接到一起得到新的长文本T,所述步骤（5）具体为:5.1、对词向量信息中的向量进行升序排序，取前N个向量，所述N小于词向量信息中的向量总数；5.2、计算前N个向量的中心得到长文本T的特征向量。
全文数据：
权利要求：
百度查询： 深圳市查策网络信息技术有限公司 一种长文本的无监督分类方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号