申请/专利权人：天津大学

申请日：2023-12-13

公开（公告）日：2024-03-12

公开（公告）号：CN117688183A

主分类号：G06F16/35

分类号：G06F16/35;G06F40/216;G06F18/22;G06F18/24

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明公开了一种基于TF‑IDF加权的文本分类方法，属于语义网络技术领域；本发明包括以下步骤：A、计算数据集各个类别文档上的TF‑IDF；B、对文档的TF‑IDF进行排序；C、根据文档中每个单词的TF‑IDF的排名信息重新映射数值；D、计算当前句子与类别文档的相似性分数；E、评估分类效果。本发明通过计算单词级别的类别相似性分数来表示文档的类别特征，便于直接利用其进行文本分类，有效解决了类别间数据量差异或数据特征分布差异等问题造成的TF‑IDF特征无法很好地表示文档的类别信息的问题。

主权项：1.一种基于TF-IDF加权的文本分类方法，其特征在于，包括以下步骤：S1、计算TF-IDF：输入文本分类数据集，所述数据集包括句子文本及其对应的类别标签，将同一个类别的所有文本视为一个文档，在python中使用sklearn库在各个文档上计算每个文档中所有单词的TF-IDF；S2、TF-IDF加权：S2.1、排序：基于S1中所得计算结果，将文档中所有单词按照TF-IDF值大小进行降序排列，获得单词的排名；S2.2、映射：使用一个递减的映射函数，根据S2.1中所得排名对单词的TF-IDF进行重新赋值，用以表示类别相似性分数；S3、分类：使用S2中所得的类别相似性分数进行分类，对于待分类的句子，在各个文档上，将句子中所有单词的类别相似性分数进行相加，在哪个文档上总的类别相似性分数高，就分类为哪类，输出句子所属类别；S4、结果评估：基于S3中的分类结果，计算F1分数，具体计算方法如下：精确率＝TPTP+FP召回率＝TPTP+FNF1分数＝2*精确率*召回率精确率+召回率式中，TP表示分类结果中正样本被正确识别的数量；FP表示分类结果中误报的负样本数量；FN表示分类结果中漏报的正样本数量。

全文数据：

权利要求：

百度查询： 天津大学 一种基于TF-IDF加权的文本分类方法

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