一种文本特征提取方法和装置

摘要

本申请公开了一种文本特征提取方法和装置。该方法包括：对于特征词库中的特征词F_i，根据样本库中包含所述特征词F_i的样本中该特征词F_i的出现次数以及包含该特征词F_i的样本所具有的标签，确定该特征词F_i与标签库中的每个标签之间的互信息；对目标文档进行分词，获得所述目标文档中出现的所有特征词；基于目标文档中的每个特征词与每个标签之间的互信息，确定所述目标文档中的每个特征词对每个标签的权重，将所述目标文档中的所有特征词对同一个标签的权重进行加权，得到所述目标文档中的所有特征词对同一个标签的总权重；根据各个标签的所述总权重，从所述各个标签中确定出目标标签作为所述目标文档的文本特征。应用本申请能够提高提取文本特征的准确度。

主权项

一种文本特征提取方法，其特征在于，该方法包括：对于特征词库中的特征词F_i，根据预先建立的样本库中包含所述特征词F_i的样本中该特征词F_i的出现次数以及包含该特征词F_i的样本所具有的标签，确定该特征词F_i与标签库中的每个标签之间的互信息；对目标文档进行分词，获得所述目标文档中出现的所有特征词；基于目标文档中的每个特征词与每个标签之间的互信息，确定所述目标文档中的每个特征词对每个标签的权重，将所述目标文档中的所有特征词对同一个标签的权重进行加权，得到所述目标文档中的所有特征词对同一个标签的总权重；根据各个标签的所述总权重，从所述各个标签中确定出目标标签作为所述目标文档的文本特征。