[发明专利]一种文本分类方法及装置

权利要求书

1.一种文本分类方法，其特征在于，包括：

从不同收集渠道收集待分类的各个文本，所述文本是描述一个事件的文本；

判断预先构建的文本分类库中是否存在每个所述文本所描述的事件对应的事件文本集合，所述文本分类库包括不同具体事件对应的不同事件文本集合，所述事件文本集合包括描述对应具体事件的各个文本；

若存在，则将所述文本分配至其所描述的事件所对应的事件文本集合中；

若不存在，则在所述文本分类库中为所述文本创建一个新的事件文本集合，并将所述文本分配至所述新的事件文本集合中。

2.根据权利要求1所述的方法，其特征在于，所述文本分类库包括不同事件类型对应的类型文本集合，所述类型文本集合包括相应事件类型下的不同具体事件对应的不同事件文本集合。

3.根据权利要求2所述的方法，其特征在于，所述判断文本分类库中是否存在每个所述文本所描述的事件对应的事件文本集合，包括：

确定每个所述文本描述的事件所属的事件类型；

将每个所述文本与其所描述的事件所属事件类型下的不同事件文本集合进行匹配，得到该文本对应于每一事件文本集合的集合匹配度；

从各个集合匹配度中选择最大匹配度，并判断所述最大匹配度是否大于预设匹配阈值；

若是，则确定所述最大匹配度对应的事件文本集合为该文本所描述的事件对应的事件文本集合，若否，则不存在所述事件对应的事件文本集合。

4.根据权利要求3所述的方法，其特征在于，所述确定每个所述文本描述的事件所属的事件类型，包括：

将所述文本的标题进行分词处理，得到各个第一词语；

将各个第一词语与预先构建的词库进行匹配，所述词库包括所述不同事件类型下对应的不同词语集合；

将匹配度最高的词语集合对应的事件类型，作为所述事件所属的事件类型。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

若通过所述文本的标题未匹配到所述事件所属的事件类型，则将所述文本的正文进行分词处理，得到各个第二词语；

将各个第二词语与所述词库中的各个词语集合进行匹配；

将匹配度最高的词语集合对应的事件类型，作为所述事件所属的事件类型。

6.根据权利要求3所述的方法，其特征在于，所述将每个所述文本与其所描述的事件所属事件类型下的不同事件文本集合进行匹配，得到该文本对应于每一事件文本集合的集合匹配度，包括：

将每个所述文本所描述的事件所属事件类型下的不同事件文本集合分别作为待匹配集合，确定所述待匹配集合中的每一文本与该文本之间的相似度；

确定大于预设相似度阈值的各个相似度对应的文本数量；

根据所述文本数量，确定所述待匹配集合对应的集合匹配度。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：

将所述事件文本集合中的各个文本，按照发布时间进行排序。

8.一种文本分类装置，其特征在于，包括：

文本收集单元，用于从不同收集渠道收集待分类的各个文本，所述文本是描述一个事件的文本；

集合判断单元，用于判断预先构建的文本分类库中是否存在每个所述文本所描述的事件对应的事件文本集合，所述文本分类库包括不同具体事件对应的不同事件文本集合，所述事件文本集合包括描述对应具体事件的各个文本；

文本分配单元，用于若预先构建的文本分类库中存在所述事件对应的事件文本集合，则将所述文本分配至其所描述的事件所对应的事件文本集合中；

集合创建单元，用于若预先构建的文本分类库中不存在所述事件对应的事件文本集合，则在所述文本分类库中为所述文本创建一个新的事件文本集合，并将所述文本分配至所述新的事件文本集合中。

9.一种存储介质，其特征在于，所述存储介质上存储有程序，所述程序被处理器执行时，执行权利要求1-7任一项所述的方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时，执行权利要求1-7任一项所述的方法。