稿件分類決策支持系統(tǒng)的分析與設(shè)計(jì).pdf

1、隨著計(jì)算機(jī)與通訊技術(shù)的飛速發(fā)展，信息量呈指數(shù)式增長，這使得稿件數(shù)量極度膨脹，研究領(lǐng)域不斷細(xì)化，造成稿件分類的周期延長，論文評(píng)審速度減慢，效率降低。同時(shí)，縮短稿件評(píng)審周期、加快其處理流程已成為新時(shí)代期刊雜志發(fā)展的趨勢(shì)。對(duì)此，本文研究稿件分類工作，將其智能化，設(shè)計(jì)稿件分類決策支持系統(tǒng)，提高稿件分類的效率，這對(duì)加快稿件評(píng)審工作，促進(jìn)期刊雜志業(yè)的發(fā)展具有重要意義。
　　本文首先論述決策支持系統(tǒng)的概念、特點(diǎn)、功能及體系結(jié)構(gòu)，文本分類的處理流

2、程及常用算法，并闡述了多分類器融合的組合方式及融合算法。
　　然后，對(duì)稿件分類決策支持系統(tǒng)進(jìn)行需求分析，設(shè)計(jì)系統(tǒng)的流程及架構(gòu)體系—三部件結(jié)構(gòu)，即數(shù)據(jù)庫、模型庫及人機(jī)接口。根據(jù)稿件分類的決策流程，設(shè)計(jì)的模型庫主要包括預(yù)處理模型庫、基于向量空間模型的文本表示模型庫、基于文檔頻度模型的特征值提取模型庫、單分類器模型庫、分層技術(shù)及保持法測(cè)試模型，分類結(jié)果評(píng)估模型，其中單分類器模型庫包含樸素貝葉斯分類模型、KNN分類模型、中心向量比較分類模

3、型，并對(duì)KNN分類模型進(jìn)行了改進(jìn)設(shè)計(jì)。針對(duì)不同單分類器模型可能存在分類結(jié)果不一致的問題，根據(jù)模型的輸出具有可度量性的特點(diǎn)，將群決策理論運(yùn)用于多分類器融合中，采用混合組合方式，運(yùn)用投票表決體制和社會(huì)選擇函數(shù)設(shè)計(jì)多分類器融合模型，解決單分類器模型之間的矛盾。根據(jù)各類模型的設(shè)計(jì)，建立模型庫的文件庫和字典庫，設(shè)計(jì)模型庫管理系統(tǒng)，實(shí)現(xiàn)對(duì)模型庫的有效管理。
　　最后，利用C＃語言，.NET框架開發(fā)實(shí)現(xiàn)系統(tǒng)的數(shù)據(jù)庫和模型庫。在單分類器模型開發(fā)過

4、程中，針對(duì)樸素貝葉斯分類模型的輸出問題進(jìn)行修正。本文從管理科學(xué)與工程國際會(huì)議上收集已分好類別的955篇稿件，用于測(cè)試系統(tǒng)的可行性和實(shí)用性，并著重分析各分類器及多分類器融合模型的性能。實(shí)驗(yàn)結(jié)果表明，當(dāng)訓(xùn)練集量大時(shí)，系統(tǒng)的分類效果較好；同一的訓(xùn)練集下，文本預(yù)處理方式對(duì)分類效果影響不大；改進(jìn)的KNN模型明顯提高了分類精度，而該算法中，K值的選取并不是越大，分類效果越優(yōu)；就各分類器的分類效果而言，樸素貝葉斯模型較優(yōu)，而本文提出的基于群決策理論的