1.一种基于分类器的中文文本分类方法，其特征在于，包括测试集文本D和训练集的文本类别集合C，将测试集文本D通过文本分类方法映射到训练集的文本类别集合C；其中D＝{d1,d2,…,dm}，其中C＝{c1,c2,…,cn}，m为文本数，n为文本类别数，具体处理步骤如下：

101)文本预处理步骤：将训练集的文本进行文本标记处理、分词、去除停用词，将处理后的文本通过统计做特征选择，进行特征降维得到训练集的文本类别集合C；

其中，统计采用特征项t与类别Ci的相互关联性进行排序统计，具体包括四种统计：属于类别Ci且包含特征项t的文本数集A，不属于类别Ci但包含特征项t的文本数集B，属于类别Ci但不包含特征项t的文本数集C，不属于类别Ci且不包含特征项t的文本数集D；Ci表示分词后去除相近分词的文本类别集合中的其中一个类别，i为类别标识，其小于等于分词后的分词数量；特征项t为具体的分词；

训练集中含有特征项t的文本总数集是A+B，不含有特征项t的文本总数集是C+D，类别Ci的文本数集是A+C，其他类别的文本数集是B+D，训练集文本总数集是N，且N＝A+B+C+D，特征项t的概率表示为由此可得，特征项t与类别Ci的关联性值为：

2 2

若特征项t与类别Ci相互独立，AD‑CB＝0，有X (t,ci)＝0；如果X (t,ci)的值越大，就表明特征项t与类别Ci相互关系程度越大；AD表示根据特征项t正确判定文档属于Ci类的量化值，CB表示根据特征项t错误判定文档属于Ci类的量化值；

在统计排序时以其平均值作为比较，其平均值为如下公式：

统计排序以平均值从大到小进行排序，训练集的文本类别集合C从中，从统计排序由大到小选取一定数量的特征项；即将得出的每个特征项t的结果 按照选择排序算法从大到小排列，其中会出现，选取特征词第n个与第n+1个计算的结果相同，此时就需要对结果进行评测，并进行相应的调整调换，而且即使结果不同，其最后评测也会出现排在后面的高于排在前n个特征词的；因此需要根据评测调整，具体如下：由公式(2‑10)至公式(2‑12)可知，“消防”的 为426.37；其他关键词亦如此，从而可得到数据进行排列，选取需要数量的特征词作为训练集的的文本类别集合的特征项；

102)分类器步骤：将步骤101)处理后的数据由文本分类器处理，具体公式如下：公式(3)中分母P(x1,x2,…,xn)是常量，因此只需获得公式(3)中分子P(Ci)P(x1,x2,…,xn|Ci)的值，就能判定不同j值时，不同P(Ci|Dj)值间的大小关系；因此公式(3)则最终可表示为：当某一特征项出现在该文本中，就置权重为1，若未出现就置权重为0，测试文本作为事件，并且该事件为n重事件即在同样的条件下重复地、相互独立地进行的一种随机事件；用Bxt代表测试文档含有文本特征项t，则得到如下公式：在属于类Ci的情况下xj发生的概率用P(xj|Ci)表示，若特征项出现在测试文本中，则只需得到P(xj|Ci)，否则需得到1‑P(xj|Ci)；

条件概率1‑P(xj|Ci)的公式为：

在训练集中，若类别Ci中的所有文本都不含有特征项xj，则nij是0，从而P(xj|Ci)的值是

0，故需要采用加入平滑因子的方法，得如下公式：

103)测试与评价步骤：评估分类器的准确率、召回率、F1值、宏平均，调整训练集的文本类别集合C；

104)调整步骤：根据步骤103)的测评结果，调整选择的特征项，进行再次测试评估，直到达到预设效果。

2.根据权利要求1所述的一种基于分类器的中文文本分类方法，其特征在于：文本标记处理为用正则表达式去除文中的中文符号、数字和英文，去除中文符号的正则表达式可表示为：[^\\u4e00‑\\u9fa5\\w]，去除数字和英文的正则表达式为：[a‑zA‑Z\\d]，并用空格代替。

3.根据权利要求1所述的一种基于分类器的中文文本分类方法，其特征在于：采用MMSEG4J分词工具包进行分词；停用词为文本中出现多次并且与文本内容无关的词，将停用词整理到停用词表中，并在分词结束后将其删除。

4.根据权利要求1所述的一种基于分类器的中文文本分类方法，其特征在于：

准确率，也称查准率，获取测试集中有多少文本的分类结果是正确的，体现分类器分类的准确程度，记为P，具体公式如下：属于类别Ci且包含特征项t的文本数集A，即正确分类到Ci类的文本数；不属于类别Ci但包含特征项t的文本数集B，A+B即实际分类到Ci类的文本总数；

召回率，也称查全率，获取测试集中在类别Ci中的文本，可以被正确分类到类别Ci所占有的比重，展现出分类器分类的完备性，记为R，具体公式如下：属于类别Ci但不包含特征项t的文本数集C，A+C即所有应归为Ci类的文本；

F1值，也称综合分类率，是准确率P和召回率R的综合评估指标，具体公式如下：宏平均是对分类器的整体分类效果的评价，准确率和召回率的算术平均数就是宏平均，具体公式如下：其中，MacAvg_Precision表示准确率的宏平均，MacAvg_Recall表示召回率的宏平均，|C|表示训练集中包含的文本类别数，Pi表示类别Ci的准确率，Ri表示类别Ci的召回率。