公开(公告)号：CN111859915B

公开(公告)日：2023-10-24

申请号：CN202010735101.9

申请日：2020-07-28

Applicant: 北京林业大学

Inventor： 蒋东辰 ,  李萍 ,  李群 ,  牛颖

IPC: G06F16/35 ,  G06F40/216 ,  G06F40/289 ,  G06F40/30

Abstract: 本发明提出一种基于词频显著度水平的英文文本类别识别方法及系统，所述方法包括如下步骤:步骤1、示例文本词频统计：将各文本中的概念实词做标准化处理，统计各个类别中各概念实词的词频信息，为后续文本类别的特征提取提供数据支持；步骤2、文本类别特征提取：基于各类别示例文本的词频统计信息，根据给定的显著性水平α，采用假设检验的方法确定各个主题类别的特征词，得到特征词集合；步骤3、零出现特征词识别：在特征词集合中，找出在目标文本中没有出现，但却构成某些类别负特征的单词；步骤4、目标文本词频统计：统计目标文本中所有特征词的词频信息；步骤5、目标文本类别识别：根据目标文本和特征词集合中单词的词频信息、零出现特征词集合，以及给定的类别距离计算方法，确定目标文本的类别归属。

公开(公告)号：CN111859915A

公开(公告)日：2020-10-30

申请号：CN202010735101.9

申请日：2020-07-28

Applicant: 北京林业大学

Inventor： 蒋东辰 ,  李萍 ,  李群 ,  牛颖

IPC: G06F40/216 ,  G06F40/289 ,  G06F40/30 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明提出一种基于词频显著度水平的英文文本类别识别方法及系统，所述方法包括如下步骤:步骤1、示例文本词频统计：将各文本中的概念实词做标准化处理，统计各个类别中各概念实词的词频信息，为后续文本类别的特征提取提供数据支持；步骤2、文本类别特征提取：基于各类别示例文本的词频统计信息，根据给定的显著性水平α，采用假设检验的方法确定各个主题类别的特征词，得到特征词集合；步骤3、零出现特征词识别：在特征词集合中，找出在目标文本中没有出现，但却构成某些类别负特征的单词；步骤4、目标文本词频统计：统计目标文本中所有特征词的词频信息；步骤5、目标文本类别识别：根据目标文本和特征词集合中单词的词频信息、零出现特征词集合，以及给定的类别距离计算方法，确定目标文本的类别归属。