发明授权
摘要:
本发明提出了一种计算机中文文本分类方法,包括以下步骤:使用N‑gram方法处理中文文本:使用N‑gram的方法把中文文本的表示为一个由一组特征组成的特征向量;使用词频逆向文件频率法为特征向量中每一个特征赋予一个权重;利用L1‑正则化逻辑回归分类器模型为中文文本分类。本发明对现有的基于分词的中文文本分类方法进行改善和提高,能够避免分词对分类精度产生的不良影响。通过使用N‑gram的形式来表达文本,可以很好地避免上述的两方面问题。同时L1‑正则化逻辑回归分类器可以很好地解决N‑gram带来的数据稀疏性问题,从而提高文本分类的精度。
公开/授权文献
- CN103020167A 一种计算机中文文本分类方法 公开/授权日:2013-04-03