[发明专利]一种大数据分类处理方法

权利要求书

1.一种大数据分类处理方法，其特征在于，所述方法包括：

获得目标资讯组，所述目标资讯组中包含至少两条目标资讯；

对所述目标资讯组中每一目标资讯进行数据清洗，得到针对每一目标资讯的纯文本资讯；

对每一所述纯文本资讯进行关键词提取，将提取到的关键词作为分类标签；

根据所述分类标签，对所述目标资讯组中包含的目标资讯进行分类，得到分类结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述目标资讯组中每一目标资讯进行数据清洗，得到针对每一目标资讯的纯文本资讯，包括：

分别对所述目标资讯组中每一目标资讯中的HTML标签和/或图像进行过滤，得到针对每一目标资讯的纯文本资讯。

3.根据权利要求1所述的方法，其特征在于，所述对每一所述纯文本资讯进行关键词提取，将提取到的关键词作为分类标签，包括：

利用词频-逆向文件频率TF-IDF算法，对第一处理资讯中包含的词语进行权重计算，得到每一词语的权重值，所述第一处理资讯为：采用预设的分词库对所述纯文本资讯中包含的无关词进行过滤后得到的资讯，所述无关词为与所述目标资讯所属领域无关的词语；

将第一词语序列的前第一预设数量个词语作为分类标签，所述第一词语序列为按照词语的权重值从大到小排列的词语序列。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

针对所述目标资讯组中每一目标资讯，基于该目标资讯对应关键词的权重值以及该目标资讯的发布时间，计算该目标资讯的热度。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

针对所述目标资讯组中所有目标资讯对应的关键词进行向量化，生成针对所述目标资讯组的文本向量空间，所述文本向量空间中每一维向量均对应一个关键词；

基于所述文本向量空间，对每一目标资讯的关键词进行聚类，得到第一数量的类簇；

将每一类簇的第二词语序列的前第二预设数量个关键词作为该类簇的代表词，所述第二词语序列为按照关键词对应的权重值从大到小排列的词语序列。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述方法还包括：

将所述分类结果推送至显示界面，所述显示界面为展示资讯内容的界面。