公开(公告)号：CN106339459A

公开(公告)日：2017-01-18

申请号：CN201610741134.8

申请日：2016-08-26

Applicant: 中国科学院信息工程研究所

Inventor： 张云 ,  冯多 ,  木伟民 ,  王伟平

IPC: G06F17/30 ,  G06F17/27

Abstract: 本发明涉及基于关键词匹配进行中文网页预分类的方法，该方法在制作分类算法所需要的训练集的过程中，给每条训练网页进行人工标注的同时，将网页中表征该网页的关键词也标注出来，生成关键词表；对每一条测试网页，首先根据关键词表提取出该网页中出现的关键词，然后通过与训练集进行关键词匹配计算，将训练集的标签转移给该测试网页；如果该预分类方法未能给出训练网页的分类结果，该测试网页需要进行进一步的分类计算。该方法降低了如SVM、KNN、朴素贝叶斯等计算复杂的分类技术的运行时间，同时也使分类结果的准确率和召回率都得到了提高。

公开(公告)号：CN106339459B

公开(公告)日：2019-11-26

申请号：CN201610741134.8

申请日：2016-08-26

Applicant: 中国科学院信息工程研究所

Inventor： 张云 ,  冯多 ,  木伟民 ,  王伟平

IPC: G06F16/35 ,  G06F16/955 ,  G06F17/27

Abstract: 本发明涉及基于关键词匹配进行中文网页预分类的方法，该方法在制作分类算法所需要的训练集的过程中，给每条训练网页进行人工标注的同时，将网页中表征该网页的关键词也标注出来，生成关键词表；对每一条测试网页，首先根据关键词表提取出该网页中出现的关键词，然后通过与训练集进行关键词匹配计算，将训练集的标签转移给该测试网页；如果该预分类方法未能给出训练网页的分类结果，该测试网页需要进行进一步的分类计算。该方法降低了如SVM、KNN、朴素贝叶斯等计算复杂的分类技术的运行时间，同时也使分类结果的准确率和召回率都得到了提高。