[发明专利]一种文本分类校正方法及装置

说明书

本发明公开了一种文本分类校正方法及装置，包括：获取各文本类别包括的文本，组成文本集合；对该文本集合中的文本进行特征词提取处理，得到特征词语；根据该特征词语在每一个类别包括的文本中出现的次数与该文本集合中包含该特征词语的类别数量的比值，确定该特征词语在该类别中的权重；将该文本包括的各特征词语在该文本中的出现次数与在该文本所属类别中的权重的乘积和，确定为该文本在其所属类别中的分类校正值；从每一类别包括的文本中，选择分类校正值不大于预设校正阈值的文本，作为待校正文本；从该待校正文本在除其所属类别以外的其他类别中，将该待校正文本的分类校正值最大的类别，确定为该待校正文本的新的类别。

技术领域

本发明涉及文本挖掘技术领域，尤其涉及一种文本分类校正方法及装置。

背景技术

文本分类是对文本按照一定的分类体系或标准进行分类，将文本划分到预先给定的类别中。目前，在进行文本分类时，需要确定各种类别的特点，选取一定数量的文本作为训练样本，通过对训练样本进行训练构建分类模型，采用训练好的分类模型对待分类文本进行分类。

在通过对训练样本进行训练并构建分类模型时，需要大量的训练样本集，并且要求训练样本集相对待分类文本具有较好的代表性，即训练样本集足够准确，然而，在文本分类的实际需求中，制作准确的样本集非常困难，造成很多情况下文本分类仍然依赖于人工进行分类，使得对待分类文本分类出现错误，因此，为了提高文本分类的准确性，需要对分类结果进行校正，到目前为止，还没有对文本分类结果进行校正的方案。

发明内容

本发明实施例提供一种文本分类校正方法及装置，用以解决现有技术中存在的文本分类不准确的问题。

本发明实施例提供一种文本分类校正方法，包括：

获取各文本类别包括的文本，组成文本集合；

对所述文本集合中的文本进行特征词提取处理，得到所述文本集合包括的特征词语；

针对所述文本集合包括的每一个特征词语，根据该特征词语在每一个类别包括的文本中出现的次数与所述文本集合中包含该特征词语的类别数量的比值，确定该特征词语在该类别中的权重，该权重与该比值正相关；

针对所述文本集合中各类别包括的每一个文本，将该文本包括的各特征词语在该文本中的出现次数与各特征词语在该文本所属类别中的权重的乘积和，确定为该文本在其所属类别中的分类校正值；

从每一类别包括的文本中，选择分类校正值不大于预设校正阈值的文本，作为待校正文本；

从所述待校正文本在除其所属类别以外的其他类别中，将所述待校正文本的分类校正值最大的类别，确定为所述待校正文本的新的类别。

采用上述实施例提供的方法，由于通过各类别的每个文本包括的特征词语与各特征词语在该文本中对应的权值的乘积和确定的该文本的分类校正值，能够表征该文本与该文本所在类别的相关程度，因此可以通过分类校正值识别已经分类文本中的错误分类文本，对分类错误的文本进行校正，从而重新划分到相关程度最大的类别中，进而能够提高文本分类的准确性。

进一步的，对所述文本集合中的文本进行特征词提取处理，得到所述文本集合包括的特征词语，具体包括：

对所述文本集合中的文本进行分词，将分词后得到的所有词语作为所述文本集合包括的特征词语。

进一步的，对所述文本集合中的文本进行特征词提取处理，得到所述文本集合包括的特征词语，具体包括：

对所述文本集合中的文本进行分词；

从分词后得到的词语中，选择所述词语在所述文本集合中出现次数在预设次数范围内对应的词语，作为所述文本集合包括的特征词语。