[发明专利]数据分类方法和装置

权利要求书

1.一种数据分类方法，其特征在于，包括：

获取待分类的航班点评数据；

对所述点评数据进行分词处理；

基于标签核心词匹配对分词处理后的点评数据进行分类，确定所述点评数据所属的类别；

在基于标签核心词匹配对分词处理后的点评数据进行分类，确定所述点评数据所述的类别之后，还包括：在基于标签核心词匹配未确定出所述点评数据所属的类别的情况下，通过分词处理后的点评数据中各个词段的概率，对所述点评数据进行分类；

通过分词处理后的点评数据中各个词段的概率，对所述点评数据进行分类，通过分词处理后的点评数据中各个词段的概率，按照以下方式对所述点评数据进行分类：

设定所述点评数据中包含有k个词语，其中第i个词语表示为wi，其中，i取值为1到k，则所述点评数据属于类别Cn的概率P为：

其中，p(w_i|C_n)为词wi在类别C_n中的概率；选取概率最大的类别作为各词段所属的类别。

2.根据权利要求1所述的方法，其特征在于，对所述点评数据进行分词处理包括：

去除所述点评数据中的脏数据；

基于航空服务领域的分词词典，对去除脏数据之后的点评数据进行分词处理。

3.根据权利要求2所述的方法，其特征在于，所述航空服务领域的分词词典是通过统计航班点评文本中的高频词生成的。

4.根据权利要求1所述的方法，其特征在于，类别包括以下至少之一：餐食、空乘、娱乐设施、客舱环境、客舱设施、机上广播、准点情况、值机、机型机龄、行李、机票、候机楼、飞行体验、远机位。

5.根据权利要求1所述的方法，其特征在于，基于标签核心词匹配对分词处理后的点评数据进行分类，包括：

获取在所述点评数据中各类别的核心关键词出现的次数和各类别的标签相关词出现的次数；

将核心关键词出现的次数大于0所对应的类别，或者，标签相关词出现的次数大于等于预设阈值所对应的类别，作为所述点评数据所属的类别。

6.根据权利要求1所述的方法，其特征在于，基于标签核心词匹配对分词处理后的点评数据进行分类，确定所述点评数据所属的类别，包括：

对分词处理后的点评数据匹配情感分析语法规则集合；

根据匹配情感分析语法规则集合之后的结果，定位行业属性词；

在定位的行业属性词属于核心关键词或标签相关词的情况下，根据核心关键词或标签相关词，确定所述点评数据所属的类别。

7.一种数据分类装置，其特征在于，包括：

获取模块，用于获取待分类的航班点评数据；

分词模块，用于对所述点评数据进行分词处理；

分类模块，用于基于标签核心词匹配对分词处理后的点评数据进行分类，确定所述点评数据所属的类别；

词频划分模块，用于在基于标签核心词匹配对分词处理后的点评数据进行分类，确定所述点评数据所述的类别之后，在基于标签核心词匹配未确定出所述点评数据所属的类别的情况下，通过分词处理后的点评数据中各个词段的概率，对所述点评数据进行分类；

所述词频划分模块具体用于通过分词处理后的点评数据中各个词段的概率，按照以下方式对所述点评数据进行分类：设定所述点评数据中包含有k个词语，其中第i个词语表示为wi，其中，i取值为1到k，则所述点评数据属于类别Cn的概率P为：

其中，p(w_i|C_n)为词wi在类别C_n中的概率；选取概率最大的类别作为各词段所属的类别。

8.根据权利要求7所述的装置，其特征在于，所述分词模块包括：

去除单元，用于去除所述点评数据中的脏数据；

分词单元，用于基于航空服务领域的分词词典，对去除脏数据之后的点评数据进行分词处理。