基于web的文本分类挖掘系统及方法

摘要

本发明公开了一种基于web的文本分类挖掘系统及方法，其主要包括文本预处理模块、分词处理模块和分类算法模块；其中，文本预处理模块，用于从待测试文本中自动筛选和预处理特定的信息，过滤掉无关的信息，以有效地表示文本；分词处理模块，用于将所述文本进行分词，找到每个文本具有的属性/属性词，为特征词的选择做准备；分类算法模块，用于进行特征选择，得到最优的特征子集，或按照训练结果的文件提供的数据，找到相应的概率，比较得到最大概率所属的类别，得出结论，最后将结果存储在文件中。该系统通过利用HTML标记权重改善朴素的贝叶斯算法的条件独立假设的不足，对分类器进行了改进，能够提高数据挖掘的查全率和查准率。