面向国网云架构的HTML数据的自动分类方法

摘要

本发明涉及面向国网云架构的HTML数据的自动分类方法，该方法包括如下步骤：基于Scrapy框架采集国网云平台半结构化HTML信息；存储电力网页半结构化HTML文本数据；对半结构化HTML文本数据进行预处理；基于BiGRU对半结构化电力文本数据进行特征提取；利用TF‑IDF算法对提取的电力信息特征进行加权，根据权重获得待分类的特征向量；构建贝叶斯分类器，将获得的特征向量输入贝叶斯分类器中进行训练，根据输出概率的大小，得出最后的分类结果；本发明针对国网云架构下半结构化HTML文本数据分类具有较高的准确度，训练用时短。