[发明专利]文本资料的分类方法、装置、设备及存储介质

权利要求书

1.一种文本资料的分类方法，其特征在于，包括步骤：

获取房地产的文件图像数据；

基于预置OCR识别算法，对所述文件图像数据进行识别处理，得到图像特征数据；

基于所述图像特征数据的特征排列位置，将所述图像特征数据转换为N维向量，得到N维特征向量，其中，N为正整数；

读取预置N维测试节点集，在同一N维空间中，计算所述N维特征向量与所述N维测试节点集中所有N维测试节点的欧式距离，得到测量距离集；

筛选出所述测量距离集中小于预置划分阈值的测量距离，得到筛选距离集；

根据预置回归算法，对所述筛选距离集进行分类回归处理，得到图像类型；

将所述图像类型确定为文件图像数据的种类；

其中，在所述根据预置回归算法，对所述筛选距离集进行分类回归处理，得到图像类型之前，还包括：

获取M个带标签的训练图像数据；

基于预置OCR识别算法，对M个所述带标签的训练图像数据进行识别处理，得到M个训练特征数据，其中，M为正整数；

将M个所述训练特征数据转换为对应的M个N维向量，得到M个带标签的N维训练向量，其中，N为正整数；

将M个带标签的N维训练向量进行组合处理，生成N维测试节点集；

其中，所述根据预置回归算法，对所述筛选距离集进行分类回归处理，得到图像类型包括：

读取所述筛选距离集中每个筛选距离对应的标签；

统计每个种类的标签对应筛选距离数量；

基于每个种类的标签对应所述筛选距离数量，计算出所述筛选距离集关于标签的方差值；

判断所述方差值是否大于预置判定阈值；

若大于判定阈值，则将最大筛选距离数量对应的标签确定为图像类型；

其中，在所述判断所述方差值是否大于预置判定阈值之后，还包括：

若不大于判定阈值，则根据预置缩小步长值，对所述划分阈值进行缩小处理，得到缩小划分阈值；

将所述缩小划分阈值，筛选出所述测量距离集中小于所述缩小划分阈值的测量距离，得到更新的筛选距离集。

2.根据权利要求1所述的文本资料的分类方法，其特征在于，所述基于预置OCR识别算法，对所述文件图像数据进行识别处理，得到图像特征数据包括：

对所述文件图像数据的特征字符进行分类识别，标记所述特征字符在所述文件图像数的坐标数据，得到特征字符对应的坐标数据；

将特征字符对应的坐标数据填入至预置特征坐标框架中，得到图像特征数据，其中，所述特征坐标框架包括：特征字符对应坐标的空白框架。

3.根据权利要求1所述的文本资料的分类方法，其特征在于，所述筛选出所述测量距离集中小于预置划分阈值的测量距离，得到筛选距离集包括：

提取所述测量距离集的测量距离；

判断所述测量距离是否小于预置划分阈值；

若小于，则将所述测量距离标记为筛选距离，重新提取所述测量距离集的测量距离；

若不小于，则将所述测量距离删除，重新提取所述测量距离集的测量距离。

4.根据权利要求3所述的文本资料的分类方法，其特征在于，所述重新提取所述测量距离集的测量距离包括：

判断所述测量距离集是否为空集；

若不为空集，则重新提取所述测量距离集的测量距离；

若为空集，则将所有标记的筛选距离进行组合处理，得到筛选距离集。