超文本的集成分類(lèi)算法研究.pdf

1、隨著Internet技術(shù)的發(fā)展,萬(wàn)維網(wǎng)上的文檔數(shù)目成指數(shù)級(jí)增長(zhǎng),在如此浩瀚的信息庫(kù)中,用戶非常難找尋到自己所需要的信息。因此如何自動(dòng)且高效地處理這些海量文檔信息成為目前重要的研究課題。文本分類(lèi)是將從網(wǎng)上抽取到的文檔信息自動(dòng)有效地分成一定的類(lèi)別,以便于信息的檢索?；诖?本文主要研究文本信息分類(lèi)和超文本信息分類(lèi)的相關(guān)算法。
　　 首先,本文介紹了文本分類(lèi)的發(fā)展概況和相關(guān)技術(shù),研究了常用的分類(lèi)算法,并分析相關(guān)算法的性能,為文本分類(lèi)和

2、超文本分類(lèi)算法的研究提供理論基礎(chǔ)。
　　 其次,對(duì)于文本分類(lèi),本文研究與分析了貝葉斯分類(lèi)算法,貝葉斯分類(lèi)算法是基于概率統(tǒng)計(jì)原理的一種分類(lèi)方法,但是樸素貝葉斯分類(lèi)器主要存在的問(wèn)題是需要屬性之間條件獨(dú)立的假設(shè),由于文本單詞之間相互存在很多的關(guān)聯(lián),同時(shí)也存在有很大的“噪聲”,很難滿足其屬性之間條件獨(dú)立的假設(shè)。本文利用樹(shù)增廣樸素貝葉斯網(wǎng)絡(luò)分類(lèi)器,提出了一種基于貝葉斯的集成分類(lèi)算法。通過(guò)K—Mean聚類(lèi)方法,構(gòu)建相互獨(dú)立的條件屬性子集,然

3、后在條件屬性子集建立TAN分類(lèi)器,并將這些分類(lèi)結(jié)果進(jìn)行集成。在20新聞組和微型新聞組上進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,集成分類(lèi)算法在所有的類(lèi)別上取得了更好的泛化性能。
　　 再次,研究了超文本中的多元化信息規(guī)則,并分析了不同分類(lèi)算法在不同規(guī)則中的分類(lèi)性能。本文通過(guò)對(duì)抽取到的數(shù)據(jù)集文檔中的標(biāo)題,超連接和標(biāo)記等超文本信息,以及文檔內(nèi)容本身分別建立分類(lèi)模型,然后根據(jù)神經(jīng)網(wǎng)絡(luò)集成各個(gè)分類(lèi)模型得判別結(jié)果。提出一種基于元信息的超文本集成分類(lèi)算法,該