一种短文本特征提取与分类方法

摘要

本发明公开了一种短文本特征提取与分类方法，属于信息处理技术领域。通过对词频、集中度标准差、关联度高的关键词进行加权系数的奖励，再综合三者，得到关键词的特征指数；根据特征指数对初始关键词库进行优化，删除关键词库中对识别文本所属的类别所起作用较小的一些字词，也即减少了会影响文本分类准确性的关键词，使得后续分类更准确。通过将关键词映射成二维坐标平面上的点，将文本数据与关键词库的匹配，得到文本数据对应的点集，将其中的点顺序排列并连接，即得到文本的特征折线，通过特征折线的相似度反应文本的相似度，并对折线相似度算法进行了修正，利用邻居与当前文本的“相似度”来给每个邻居赋予不同的重要性，从而分类更准确。