中文文本自動分類的應用研究.pdf

1、時代的飛速進步，信息技術的快速發(fā)展，信息獲取的途徑多樣化、信息的表現形式多元化、信息容量的膨脹化，特別是網絡上電子圖書、電子信息等海量的電子資源，給予我們搜取信息極大地便利性，但同時也帶來一個嚴峻的問題。怎樣才能從如此龐大的信息庫中準確快速的獲取我們所需要的信息就是亟需解決的問題。目前，文本分類技術以其實用性受到了研究者的關注。文本分類也成為當前熱門的研究課題之一。
　　本文首先概述了中文文本分類的流程以及在分類流程中所涉及的相關

2、理論：簡要的分析了布爾模型、概率模型和向量空間模型這三種文本表示模型的表示原理以及各自的優(yōu)缺點，其中重點描述了向量空間模型；對信息增益、文檔頻率、期望交叉熵、互信息和c2統(tǒng)計特征選擇方法進行詳細地介紹以及優(yōu)缺點的比較，比較了常見文本分類算法Rocchio、樸素貝葉斯(NB)、支持向量機（SVM）、K最近鄰（kNN）的優(yōu)缺點，對分類器性能評價指標召回率、準確率和F1值等做了簡單描述。
　　其次深入分析了K最近鄰算法，總結了近年來各研