一种基于极限学习机的档案自动分类方法

摘要

本发明涉及一种基于极限学习机的档案自动分类方法。该方法包括学习和运行两个阶段，两个阶段第一步都要经过预处理模块，该模块主要功能是对数据进行规范化处理，去除与本任务不相干的信息；预处理模块首先将文本内容统一为UTF‑8的编码格式；接着采用正则表达式匹配的方式对非法字符进行过滤处理；然后采用ICTCLAS汉语词法分析系统进行分词和词性标注；最后采用百度停用词表对文本中经常出现但其本身对文本分析意义不大的词进行过滤。本发明可以精确地理解文本中的档案内容同时构建一个高效、稳定的维度较低的档案词典，同时可以保证有较高的分类精度。