[发明专利]文档智能分发系统及分发方法

说明书

本发明提供一种文档智能分发系统及分发方法，包括：设定文档的特征集合；对文档进行分词处理，得到以词为单位的特征项；利用向量空间模型构建各文档的特征向量，特征向量由词频‑逆文档频率得到；构建基于特征向量的分类模型，将正确历史分发文档分别作为训练集和测试集，训练集对分类模型进行训练，测试集对分类模型进行评估；根据已训练分类模型对新来文档进行预判，其中，通过特征向量矩阵获得新来文档的各特征项在各分发部门的出现概率，根据训练得到的各分发部门的先验概率，获得新来文档被分发到各部门的分发概率。利用spark大数据处理技术计算速度快、兼容性好，提高了系统的处理效率，所述方法准确率高。

技术领域

本发明涉及文档处理技术领域，更为具体地，涉及一种文档智能分发系统及分发方法。

背景技术

随着机器学习算法和深度学习算法的广泛应用，越来越多的领域与相关技术紧密结合，为解决人工处理所带来的一系列问题带来了有效的途径。

目前，公文文档需根据分发单位和文档具体内容分发到最相关的处理部门以完成工作职责上的对接和交流，而现今处理此类问题都是通过人工监管处理的方式进行，此方式强烈依靠于个人的经验知识，同时处理效率低下，这将直接导致相关公文分发工作的进一步进行。

发明内容

鉴于上述问题，本发明的目的是提供一种提高人工处理效率、准确率的文档智能分发系统及分发方法。

根据本发明的一个方面，提供一种文档智能分发系统，包括：

设定部，设定文档的特征集合，所述特征集合包括来文单位、来文标题、来文字号、来文附件和分发部门；

特征项提取部，对文档进行分词处理，得到以词为单位的特征项；

特征向量构建部，利用向量空间模型构建各文档的特征向量，组成特征向量矩阵，所述特征向量为词频-逆文档频率，

其中，F为特征向量矩阵，m为特征项总数，n为文档总数，f_mn为特征项W_m相对于文档d_n的特征向量；

分类模型构建部，构建基于特征向量的分类模型，将正确的历史分发文档对模型进行训练，得到分类模型；

预分发处理部，根据分类模型对新来文档进行预判，并分发到相应部门，

其中，分类模型构建部包括：

出现概率获得单元，通过特征向量矩阵根据下式(1)和(2)获得各特征项在各分发部门的出现概率

其中，j为特征项索引，i为文档索引，b为分发部门索引，C_b为第b个分发部门，f＇_jb为特征项W_j相对于分发部门C_b的特征向量，P(W_j|C_b)表示特征项W_j在分发部门C_b的出现概率；

先验概率获得单元，根据下式(3)确定各文档分发到各部门的先验概率，

P(C_b)＝|C_b|/n (3)

其中，P(C_b)表示分发部门C_b的先验概率，|C_b|为分发到分发部门C_b的文档数；

分发概率获得单元，根据下式(4)获得各文档分发到各部门的分发概率，