一种基于文本分类技术的信息处理方法

摘要

本发明公开了一种基于文本分类技术的信息处理方法，采用HTML文本标记加权方案对文本进行预处理，在对 HTML 文档进行扫描处理前，首先需要对 HTML 标记进行正确的识别和处理，并根据 HTML 标记对网页不同部分的文本进行加权处理，可以保留标题、页面描述、关键词和超链接等描述信息，从而提高分类效果，建立符号字典过滤非汉字字符，从而降低了初始文本向量的维度，提高了文本向量中的特征信息含量，去除停用词，可以提高后期对文本过滤的准确率和速率，该信息处理方法操作简单、实用性强，能够提高后期信息过滤的准确性和效率。