[发明专利]一种电子文档分类方法及装置

权利要求书

1.一种电子文档分类方法，其特征在于，包括：

对待分类电子文档进行分词，以获取待提取特征；

根据特征提取模型对所述待提取特征进行匹配，以获取所述待分类电子文档对应的特征向量；其中，所述特征提取模型中包括至少一个文档类型以及所述文档类型对应的特征集合向量，所述特征提取模型是根据预设文档知识构建的，所述预设文档知识包括文档对应的模板和/或关键词分布规律；

采用机器学习分类算法对所述特征向量进行处理，以对所述特征向量对应的待分类电子文档进行分类；

所述根据特征提取模型对所述待提取特征进行匹配，以获取所述待分类电子文档对应的特征向量，包括：

将所述待分类电子文档对应的待提取特征与特征提取模型中的特征集合向量进行匹配；

若所述待提取特征与所述特征集合向量中一分量匹配，则所述待提取特征对应的特征向量中，该分量对应的分量值为第一预设值；

若所述待提取特征与所述特征集合向量中分量均不匹配，则所述待提取特征对应的特征向量中，该分量对应的分量值为第二预设值。

2.如权利要求1所述的电子文档分类方法，其特征在于，所述对待分类电子文档进行分词，以获取待提取特征包括：

根据分词算法对待分类电子文档进行分词，以获取待提取特征，其中，所述分词算法包括基于语法和规则的分词法、基于理解的分词法以及基于统计的分词法。

3.如权利要求1所述的电子文档分类方法，其特征在于，所述采用机器学习分类算法对所述特征向量进行处理，以对所述特征向量对应的待分类电子文档进行分类，包括：

将所述待分类电子文档对应的特征向量输入文档分类模型，以获得所述待分类电子文档属于各文档类型的概率；其中，文档分类模型是根据电子文档的文档类型构建的，所述文档分类模型包括至少一个分类回归树，每个所述文档类型对应一个所述分类回归树；

根据所述待分类电子文档属于各文档类型的概率，确定所述待分类电子文档的文档类型。

4.如权利要求3所述的电子文档分类方法，其特征在于，构建所述文档分类模型的方式，包括：

构建初始分类回归树，每个所述初始分类回归树对应电子文档的一个文档类型；

采用预设特征向量对所述初始分类回归树进行训练，以获得所述预设特征向量属于各文档类型的概率；

根据所述预设特征向量属于各文档类型的概率，获取所述预设特征向量对应各文档类型的残差；

判断所述残差是否满足预设条件；

若所述残差满足预设条件，则确定所述初始分类回归树为分类回归树，以构建所述文档分类模型；

若所述残差不满足预设条件，则返回所述采用预设特征向量对所述初始分类回归树进行训练步骤。

5.如权利要求4所述的电子文档分类方法，其特征在于，所述采用预设特征向量对所述初始分类回归树进行训练，以获得所述预设特征向量属于各文档类型的概率，包括：

根据所述预设特征向量，选取所述预设特征向量中一分量作为所述初始分类回归树中的节点；

将各所述预设特征向量中与所述节点对应的分量的特征值作为所述节点的候选划分点，并获取损失值；

将满足预设条件的所述损失值对应的特征值作为所述节点的划分点，并获取所述预设特征向量属于各文档类型的预测值；

根据所述预设特征向量属于各文档类型的预测值，获取所述预设特征向量属于各文档类型的概率。

6.如权利要求1所述的电子文档分类方法，其特征在于，所述采用机器学习分类算法对所述特征向量进行处理，以对所述特征向量对应的待分类电子文档进行分类步骤后，还包括：

将经过分类的待分类电子文档与预设文档知识进行匹配；

若经过分类的待分类电子文档与预设文档知识的匹配程度满足预设要求，则确定所述待分类电子文档分类正确；

若经过分类的待分类电子文档与预设文档知识的匹配程度不满足预设要求，则对所述待分类电子文档进行校验。