基于關(guān)聯(lián)規(guī)則的文本分類(lèi)研究.pdf

1、自動(dòng)化文本分類(lèi)是數(shù)據(jù)管理的重要組成部分，目標(biāo)是自動(dòng)地將文本劃分到已知的類(lèi)別中去。基于關(guān)聯(lián)規(guī)則的文本分類(lèi)方法相對(duì)于其他的文本分類(lèi)方法，不僅可以產(chǎn)生易于理解的分類(lèi)規(guī)則，同時(shí)還具有良好的分類(lèi)精度與分類(lèi)效率，成為了當(dāng)前文本分類(lèi)算法研究的熱點(diǎn)之一。
　　 本文分析了當(dāng)前關(guān)聯(lián)規(guī)則分類(lèi)方法存在的兩個(gè)問(wèn)題。一是直接利用關(guān)聯(lián)規(guī)則進(jìn)行分類(lèi)，在分類(lèi)決策時(shí)可能會(huì)重復(fù)計(jì)算某些訓(xùn)練文本的支持度，從而過(guò)于強(qiáng)調(diào)某些訓(xùn)練文本的分類(lèi)作用。二是僅根據(jù)特征詞的權(quán)重來(lái)確

2、定規(guī)則權(quán)重會(huì)過(guò)于強(qiáng)調(diào)特征詞的分類(lèi)作用，忽視關(guān)聯(lián)關(guān)系的分類(lèi)作用。
　　 針對(duì)以上問(wèn)題，本文提出了改進(jìn)的關(guān)聯(lián)規(guī)則文本分類(lèi)算法WCCPF。WCCPF主要有三個(gè)方面的改進(jìn)：第一，更加合理的規(guī)則權(quán)重。新的加權(quán)方法不僅根據(jù)訓(xùn)練文本，還考慮到待分類(lèi)文本對(duì)規(guī)則權(quán)重的影響，并通過(guò)引入相似度計(jì)算使得規(guī)則權(quán)重更加合理。第二，改進(jìn)CR-tree的分類(lèi)器CPF-tree。新的分類(lèi)器可以快速地根據(jù)待分類(lèi)文本動(dòng)態(tài)地產(chǎn)生分類(lèi)規(guī)則，以避免在分類(lèi)決策時(shí)重復(fù)計(jì)算訓(xùn)練