基于词频分布的文字分类方法、装置、设备及介质

摘要

本发明提出了一种基于词频分布的文字分类方法、装置、设备及介质。包括：获取历史短信样本，将历史短信样本分成训练集合以及验证集合，从训练集合中选择关键词并建立对应的矩阵，提取特征值，根据该特征值获取对应关键词的频率向量以及对应的分类组别，根据该频率向量构建向量空间，获取标准化关键词频率向量；根据关键词从验证集中获取每个关键词的出现频率向量，根据出现频率向量以及标准化关键词频率向量通过加权平均空间距离算法在向量空间中计算短信息到分类组别的加权平均空间距离，根据距离对短信息进行分类，本发明通过构建向量空间来对短信息进行分类，并在分类结束之后，对分类过程进行优化和迭代，能够高效、精准完成短信息自动分类。