申请/专利权人：广东海洋大学

申请日：2024-02-20

公开（公告）日：2024-04-26

公开（公告）号：CN117743585B

主分类号：G06F16/35

分类号：G06F16/35;G06F16/33;G06F18/2411;G06N20/10

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种新闻文本分类方法，属于数据处理技术领域，包括以下步骤：S1、根据新闻文本的标题和首段文本内容，生成标题与首段文本内容之间的第一内容关联权重；S2、根据新闻文本的标题、末段文本内容以及第一内容关联权重，生成标题与末段文本内容之间的第二内容关联权重；S3、根据新闻文本中除首段文本内容和末段文本内容外其余文本内容，生成第三内容关联权重；S4、构建文本处理模型，将第一内容关联权重、第二内容关联权重以及第三内容关键权重输入至文本处理模型中，得到新闻文本的分类结果。整个分类过程把握新闻文本整体内容结构，充分考虑关键词的影响，分类结果的误差小，准确率高。

主权项：1.一种新闻文本分类方法，其特征在于，包括以下步骤：S1、根据新闻文本的标题和首段文本内容，生成标题与首段文本内容之间的第一内容关联权重；S2、根据新闻文本的标题、末段文本内容以及第一内容关联权重，生成标题与末段文本内容之间的第二内容关联权重；S3、根据新闻文本中除首段文本内容和末段文本内容外其余文本内容，生成第三内容关联权重；S4、构建文本处理模型，将第一内容关联权重、第二内容关联权重以及第三内容关键权重输入至文本处理模型中，得到新闻文本的分类结果；所述S1包括以下子步骤：S11、剔除新闻文本的标题和首段文本内容的停用词，分别得到标准标题和标准首段文本内容；S12、提取标准首段文本内容中与标准标题的相同单词，生成第一训练单词序列；S13、根据第一训练单词序列，确定首段占比率；S14、根据首段占比率，生成标题与首段文本内容之间的第一内容关联权重；所述S2包括以下子步骤：S21、剔除末段文本内容的停用词，得到标准末段文本内容；S22、提取标准末段文本内容中与标准标题的相同单词，生成第二训练单词序列；S23、根据第二训练单词序列，确定末段占比率；S24、根据首段占比率、末段占比率以及第一内容关联权重，计算标准首段文本内容与标准末段文本内容之间的内容关联标签值；S26、根据标准首段文本内容与标准末段文本内容之间的内容关联标签值，生成标题与末段文本内容之间的第二内容关联权重；所述S3中，生成第三内容关联权重的具体方法为：选取除首段文本内容和末段文本内容外其余文本内容中单词数量最多的段落，作为次要段落，提取次要段落的关键词，根据次要段落的所有关键词以及标准标题，生成第三内容关联权重；其中，第三内容关联权重σ3的计算公式为：；式中，Xj表示标准标题中第j个单词的词向量，表示次要段落中最高词频单词的词向量，exp·表示指数函数，J表示标准标题的单词个数。

全文数据：

权利要求：

百度查询： 广东海洋大学 一种新闻文本分类方法

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