基于关键词特征的电子文档自动分类方法及系统

摘要

本发明公开了一种基于关键词特征的电子文档自动分类方法及系统，该方法提出通过构建企业的领域词汇表，采用企业级搜索引擎对分类语料库进行逐个词汇搜索，计算词汇与文档的相关度，将所有文档特征化为相关度最大的前100个关键词的相关度组成的特征向量，基于训练集文档的特征向量利用不同的机器学习算法构建分类器，利用测试集文档对构建的分类器进行评估，最终选择最优的分类器进行部署应用，调用最优分类器的接口对新增的文档进行自动分类。本发明结合企业电子文档特点，采用关键词为特征，能够显著减少生成的特征向量中的无关信息，大大减少了特征向量的维度，提升了特征抽取阶段对文档重要语义的保留，提升了企业电子文档的自动分类效果。