基于關(guān)聯(lián)規(guī)則的文本分類研究.pdf

1、自動化文本分類是數(shù)據(jù)管理的重要組成部分，目標(biāo)是自動地將文本劃分到已知的類別中去。基于關(guān)聯(lián)規(guī)則的文本分類方法相對于其他的文本分類方法，不僅可以產(chǎn)生易于理解的分類規(guī)則，同時還具有良好的分類精度與分類效率，成為了當(dāng)前文本分類算法研究的熱點之一。
　　 本文分析了當(dāng)前關(guān)聯(lián)規(guī)則分類方法存在的兩個問題。一是直接利用關(guān)聯(lián)規(guī)則進行分類，在分類決策時可能會重復(fù)計算某些訓(xùn)練文本的支持度，從而過于強調(diào)某些訓(xùn)練文本的分類作用。二是僅根據(jù)特征詞的權(quán)重來確

2、定規(guī)則權(quán)重會過于強調(diào)特征詞的分類作用，忽視關(guān)聯(lián)關(guān)系的分類作用。
　　 針對以上問題，本文提出了改進的關(guān)聯(lián)規(guī)則文本分類算法WCCPF。WCCPF主要有三個方面的改進：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，還考慮到待分類文本對規(guī)則權(quán)重的影響，并通過引入相似度計算使得規(guī)則權(quán)重更加合理。第二，改進CR-tree的分類器CPF-tree。新的分類器可以快速地根據(jù)待分類文本動態(tài)地產(chǎn)生分類規(guī)則，以避免在分類決策時重復(fù)計算訓(xùn)練