[发明专利]文本分类方法、电子设备

权利要求书

1.一种文本分类方法，其特征在于，包括：

从样本文本中获取中心文本；

根据中心文本与待分类文本之间的相似度，选择预设数量个中心文本作为相似中心文本；

确定各相似中心文本的权重；以及

根据各相似中心文本的权重确定所述待分类文本所属类别，

其中，所述根据各相似中心文本的权重确定所述待分类文本所属类别，包括：

确定各相似中心文本所属类别；

按类别将所述相似中心文本分类；

确定每一类中相似中心文本的权重之和以及相似中心文本的数量；

将每一类的相似中心文本的权重之和与相似中心文本的数量的积作为该类的加权频率；

将加权频率最大的类作为所述待分类文本的所属类别，

所述从样本文本中获取中心文本包括：

确定每个样本文本的特征词，其中，每个样本文本属于一个类别；

计算每个特征词在各样本文本中的权重；

根据每个特征词在各样本文本中的权重，将属于同一类别的样本文本进行聚类；

将每类中的样本文本合并成一个中心文本，其中，

所述计算每个特征词在各样本文本中的权重包括：

根据如下公式计算任一特征词t在任一样本文本中的权重：

其中，为t在中的权重，为t出现在中的次数，N为样本文本总数，n_i为所有样本文本中出现t的样本文本个数，为t出现在所属类别c中的次数，为t出现在所属类别c以外的类别中的次数，为在所属类别c以外的类别中，t出现在非样本文本的次数，

所述确定各相似中心文本的权重包括：

按相似中心文本与待分类文本之间的相似度从大到小，对相似中心文本进行排序；

根据如下公式确定各相似中心文本的权重：

其中，b和b’均为相似中心文本在序列中的位置标识，W_b为位置为b的相似中心文本的权重，W_b-1为位置为b-1的相似中心文本的权重，W_b'为位置为b’的相似中心文本的权重，k为预设数量。

2.根据权利要求1所述的方法，其特征在于，所述确定每个样本文本的特征词，包括：

在预设的分词方法中，确定每个样本文本对应的分词方法；

按对应的分词方法对每个样本文本进行分词处理，得到每个样本文本的特征词；去除每个样本文本的特征词中的停用词；

将每个样本文本去除后的特征词确定为每个样本文本的特征词。