一种文档分类方法、装置、计算机设备及存储介质与流程

技术特征：
1.一种文档分类方法，其特征在于，包括：获取待分类的目标招标文档；基于所述目标招标文档的文本内容提取分类特征向量；其中，所述分类特征向量至少包括所述目标招标文档的标的物及分类信息；将所述分类特征向量输入预先建立的文档分类模型，得到针对所述目标招标文档的分类结果；其中，所述文档分类模型是以历史招标文档为训练数据、利用xgboost算法对所述训练数据进行机器学习、并建立分类特征向量与分类结果之间的映射关系的分类器。2.根据权利要求1所述的文档分类方法，其特征在于，所述基于所述目标招标文档的文本内容提取分类特征向量，包括：对所述目标招标文档的文本内容进行预处理；对预处理后的文本内容进行分词处理并得到多个分词；基于所述多个分词提取分类特征向量。3.根据权利要求2所述的文档分类方法，其特征在于，所述基于所述多个分词提取分类特征向量，包括：对所述多个分词进行向量化表示，得到多个特征向量；利用词性级tf
‑
idf算法对多个特征向量进行加权处理，并得到各特征向量对应的文档频率；根据所述文档频率从所述多个特征向量中确定分类特征向量。4.根据权利要求1
‑
3任一项所述的文档分类方法，其特征在于，所述分类信息至少包括行业类别和项目类型。5.根据权利要求2所述的文档分类方法，其特征在于，所述对预处理后的文本内容进行分词处理并得到多个分词，包括：基于n
‑
gram语言模型以滑动窗口方式对预处理后的文本内容进行分词处理，并得到多个分词。6.根据权利要求5所述的文档分类方法，其特征在于，所述n
‑
gram语言模型中n的取值为2和/或3。7.根据权利要求3所述的文档分类方法，其特征在于，所述根据所述文档频率从所述多个特征向量中确定分类特征向量，包括：逐一判断各特征向量的文档频率是否大于设定值；保留文档频率不大于设定值的特征向量，作为分类特征向量。8.一种文档分类装置，其特征在于，包括：文档获取模块，用于获取待分类的目标招标文档；向量提取模块，用于基于所述目标招标文档的文本内容提取分类特征向量；其中，所述分类特征向量至少包括所述目标招标文档的标的物及分类信息；分类模块，用于将所述分类特征向量输入预先建立的文档分类模型，得到针对所述目标招标文档的分类结果；其中，所述文档分类模型是以历史招标文档为训练数据、利用xgboost算法对所述训练数据进行机器学习、并建立分类特征向量与分类结果之间的映射关系的分类器。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计
算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的方法。

技术总结
本发明公开了一种文档分类方法、装置、计算机设备及存储介质，涉及计算机及招标技术领域，该文档分类方法包括：获取待分类的目标招标文档；基于目标招标文档的文本内容提取分类特征向量；所述分类特征向量至少包括所述目标招标文档的标的物及分类信息；所述分类特征向量输入预先建立的文档分类模型，得到针对所述目标招标文档的分类结果；所述文档分类模型是以历史招标文档为训练数据、利用XGBoost算法对所述训练数据进行机器学习、并建立分类特征向量与分类结果之间的映射关系的分类器。可见，本发明实现了招标业务的自动高效管理，无需工作人员进行复杂操作，使得招标业务更加智能化和电子化，在提高效率的同时还降低了人力成本。成本。成本。


技术研发人员：严蕾 苏晓辉 任泽 沈志远 李维盈 陈建
受保护的技术使用者：中国神华国际工程有限公司
技术研发日：2021.06.02
技术公布日：2021/10/19