基于TFIDF与分类树的工程文本信息分类法

摘要

针对传统的分类算法不能满足多层次的工程信息分类,提出一种基于词频逆文档频率TFIDF(term frequency inverse document frequency)和分类树的多层工程信息分类法.通过对每条工程信息生成多层分类树,在不同层次构建TFIDF矩阵,减少冗余计算.通过计算树结点中储存的相似度,进行判决得出分类结果.与传统单层分类算法相比,基于树的判决方法可以对类进行多级划分、多类属划分,且计算时间仅为单层分类的59％,并获得了95.1％的召回率和97.4％的准确率,具有很好的灵活性与鲁棒性.实验结果证实了算法的有效性.