[发明专利]一种文本分类方法和系统

权利要求书

1.一种文本分类系统，其特征在于，包括：

关联规则库生成模块(201)，通过从具有类目关联规则的资源提取词条以及所述词条之间的关联规则，以生成类目关联规则库；

基础类目词库生成模块(202)，基于已有各领域的基础类目生成基础类目词库；

文本预处理模块(203)，用于对测试文本进行预处理，以提取文本特征词条；

规则剪枝模块(204)，比对所述基础类目词库中的词条和所述类目关联规则库中的词条，利用所述类目关联规则库中的词条的关联规则，对所述基础类目词库中的词条进行权重计算，并计算所述类目关联规则库中的词条权重；

分类器模块(205)，基于所述基础类目词库中的词条的权重、所述类目关联规则库中的词条的权重及提取的所述文本特征词条，对所述测试文本进行分类。

2.如权利要求1所述的系统，其特征在于，

所述资源包括：百科知识库和数字图书馆系统中的至少一个；

所述基础类目词库中的词条的权重计算是基于该词条在所述基础类目词库中的各类目中出现的频度；

所述词条之间的关联规则结构包括：树型结构、链型结构和网状结构中至少一种。

3.如权利要求1所述的系统，其特征在于，所述关联规则库生成模块(201)进一步被配置成：使用爬虫程序生成所述类目关联规则库。

4.如权利要求1所述的系统，其特征在于，所述规则剪枝模块(204)进一步被配置成：将所述类目关联规则库中的词条与所述基础类目词库中的词条比对，如果所述类目关联规则库中的词条存在于所述基础类目词库中，则根据所述基础类目词库中的词条的权重对所述关联规则库中的词条进行权重赋值。

5.如权利要求4所述的系统，其特征在于，所述规则剪枝模块(204)进一步被配置成：如果所述类目关联规则库中的词条不存在于所述基础类目词库中，则根据在所述类目关联规则库中的该词条、与存在于所述基础类目词库中的所述类目关联规则库中的其他词条的词条关联规则进行权重计算。

6.如权利要求5所述的系统，其特征在于，

所述词条关联规则包括词条之间：一对一关系或一对多关系；

所述关联规则库中的权重计算考虑所述类目关联规则库中各节点间的深度比重或深度权值；

所述类目关联规则库中的词条的权重计算通过迭代算法进行。

7.如权利要求1所述的系统，其特征在于，所述分类器模块(205)为朴素贝叶斯分类器，所述基础类目词库中的词条的权重、所述类目关联规则库中的词条的权重作为所述分类器的先验条件概率，对所述测试文本进行分类。

8.一种文本分类方法，其特征在于，包括：

从具有类目关联规则的资源提取词条以及所述词条之间的关联规则，以生成类目关联规则库；

基于已有各领域的基础类目，生成基础类目词库；

预处理测试文本，提取测试文本的特征词条；

比对所述基础类目词库中的词条和所述类目关联规则库中的词条，利用所述类目关联规则库中的词条的关联规则，对所述基础类目词库中的词条进行权重计算，并计算所述关联规则库中的词条权重；

使用分类器，基于所述基础类目词库中的词条的权重、所述类目关联规则库中的词条的权重及提取的所述文本特征词条，对所述测试文本进行分类。

9.如权利要求8所述的方法，其特征在于，

所述资源包括百科知识库和数字图书馆系统中的至少一个；

所述基础类目词库中的词条的权重计算是基于该词条在所述基础类目词库中的各类目中出现的频度；

所述词条之间的关联规则结构包括：树型结构、链型结构和网状结构中至少一种。

10.如权利要求8所述的方法，其特征在于，所述类目关联规则库是由爬虫程序提取生成。

11.如权利要求8所述的方法，其特征在于，将所述类目关联规则库中的词条与所述基础类目词库中的词条比对，如所述类目关联规则库中的词条存在于所述基础类目词库中，则根据所述基础类目词库中的词条的权重对所述关联规则库中的词条进行权重赋值。