文本分類技術(shù)的研究.pdf

1、文本分類是文本挖掘的重要分支，在當(dāng)今的信息時(shí)代文本自動分類已成為一項(xiàng)具有較大實(shí)用價(jià)值的關(guān)鍵技術(shù)，是組織和管理數(shù)據(jù)的有力手段，已經(jīng)被應(yīng)用于抽取符號知識、新聞分發(fā)、排序電子郵件、學(xué)習(xí)用戶興趣以及信息過濾等許多方面。 首先，本文著重介紹了自動文本分類技術(shù)中常用的基于向量空間模型的特征選取方法和分類模型。基于對這些技術(shù)的分析，本文提出了一種基于正負(fù)權(quán)重的MI分類方法，該方法采用MI特征選取方法以局部特征選取方式進(jìn)行特征選取，每一個類別得

2、到不同的特征子集，并利用得到的特征互信息值構(gòu)造特征的正、負(fù)權(quán)重并形成類別的正、負(fù)原型向量。這種方法訓(xùn)練效率高，實(shí)驗(yàn)結(jié)果也表明該方法也有比較好的分類性能。 另外，利用自動文本分類系統(tǒng)中已經(jīng)實(shí)現(xiàn)了多種分類模型的特點(diǎn)，本文對多分類器的組合問題進(jìn)行了研究，并實(shí)現(xiàn)了利用貝葉斯理論進(jìn)行組合的多分類器，將之應(yīng)用于自動文本分類。從實(shí)驗(yàn)結(jié)果來看，這種多分類器在一定程度上能提高分類的準(zhǔn)確率和召回率。 最后，闡述了Ontology對文本分類的