技術總結
本發(fā)明提出了一種基于機器學習的數(shù)據(jù)分類方法，包括如下步驟：S11，基于學習數(shù)據(jù)確定每種數(shù)據(jù)對應的第一特征詞群；S12，根據(jù)特征詞對學習數(shù)據(jù)進行分類；S13，判斷學習數(shù)據(jù)的分類是否正確，如果是，至步驟S15；如果否，調整第一特征詞群，至步驟S12；S15，基于第一特征詞群建立數(shù)據(jù)分類模型；一種基于機器學習的數(shù)據(jù)分類設備包括第一特征詞群確定模塊、第一數(shù)據(jù)分類模塊、判斷分類模塊、第二特征詞群確定模塊、建模模塊。本發(fā)明對文件內容進行切詞處理，采用TFIDF算法，算出詞的權重，然后計算文件相似度，將同類文件進行聚類。特征詞提取。特征詞不同于關鍵字，特征詞更具代表性，更適合作為敏感信息，來與其他類加以區(qū)分。

技術研發(fā)人員：李洋;張志勇;高政偉
受保護的技術使用者：上海上訊信息技術股份有限公司
文檔號碼：201710051325
技術研發(fā)日：2017.01.23
技術公布日：2017.06.09