专利详情

专利名称	基于概率主题词的两级组合文本分类方法
申请号	CN200610011747.2	专利类型	发明专利
公开（公告）号	CN101059796	公开（授权）日	2007.10.24
申请（专利权）人	中国科学院自动化研究所	发明（设计）人	宗成山;李寿山
主分类号	G06F17/30(2006.01)	IPC主分类号	G06F17/30(2006.01);G06F17/27(2006.01)
专利有效期	基于概率主题词的两级组合文本分类方法至基于概率主题词的两级组合文本分类方法	法律状态	授权
说明书摘要	本发明涉及自然语言处理及模式识别领域，公开基于概率主题词的两级组合文本分类方法，一级分类：基于朴素贝叶斯分类方法，利用概率主题词特征和拒绝条件判断对测试文本分类；二级分类：再基于传统特征提取方法提取出特征词对被第一级拒绝分类的测试文本进行分类。本发明分级组合方法对文本进行分类，融和不同分类器的特点能够非常快的在一级分类中对很多文本进行正确分类，大大提高文本分类系统效率，为文本分类系统实用化提供很好的处理方式；考虑文本特点提出概率主题词，在适当的拒绝条件下，概率主题词以很高的正确率完成大量文本分类任务。实验证明本发明两级组合与传统单一分类相比，能够大大减少时间消耗并能提高系统分类正确率。