基于改進(jìn)TF-IDF特征提取的文本分類模型的設(shè)計與實現(xiàn).pdf

1、《中國工程科技2035發(fā)展戰(zhàn)略研究》是中國工程院與國家自然科學(xué)基金委于2015年聯(lián)合啟動的大型戰(zhàn)略研究。其中，對3D打印進(jìn)行技術(shù)預(yù)見工作是該戰(zhàn)略研究的重要部分。由于研究人員需要大量的文獻(xiàn)和專利等客觀數(shù)據(jù)來支持其對工程技術(shù)進(jìn)行分析和決策，所以對大量文本數(shù)據(jù)進(jìn)行分類則是開展這項工作的基礎(chǔ)。3D打印技術(shù)涉及面較廣且相關(guān)文本數(shù)據(jù)的數(shù)量龐大，若采用人工的方法進(jìn)行分類，不僅費時費力且需要工作人員具有相應(yīng)的專業(yè)知識，因此采用計算機程序自動對文本分類則

2、是一種較好的解決方案。
　　特征降維是對文本進(jìn)行自動分類的核心部分?；赥F-IDF的特征提取作為一種最為常用的降維方法，其TF僅從詞頻方面考慮了文本所包含的信息，缺乏對特征詞上下文環(huán)境的考慮，忽略了文本結(jié)構(gòu)信息；IDF計算方法缺乏對特征詞在類之間分布狀況的考慮。由于文本特征詞間的依存關(guān)系可以很好地表示出文本結(jié)構(gòu)信息，因此本文先根據(jù)此種關(guān)系將文本構(gòu)建成文本網(wǎng)絡(luò)，再利用改進(jìn)PageRank算法計算出的特征詞在文本網(wǎng)絡(luò)中重要程度值對T