基于本體和潛在語(yǔ)義索引算法的文本分類方法研究.pdf

1、隨著Internet的發(fā)展，互聯(lián)網(wǎng)上的數(shù)據(jù)和信息呈現(xiàn)海量特征，文本分類作為處理和組織大量文本信息的關(guān)鍵方法，可以方便人們準(zhǔn)確地找到自己所需要的知識(shí)。信息的爆炸式增長(zhǎng)，使人們對(duì)文本分類的要求越來(lái)越高。傳統(tǒng)的基于統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的分類方法需要大量的訓(xùn)練集來(lái)訓(xùn)練分類模型，如果類別改變需要重新收集大量的訓(xùn)練集合，費(fèi)時(shí)費(fèi)力。這些傳統(tǒng)方法大多采用向量空間模型進(jìn)行文本表示，會(huì)導(dǎo)致特征向量的高維性和稀疏性。在高維的特征空間中實(shí)現(xiàn)文本分類，分類的計(jì)算量大而

2、且效率低，無(wú)法滿足用戶的需求。 本文提出一個(gè)基于本體的文本分類的通用框架，重點(diǎn)對(duì)文本分類任務(wù)中的特征降維和分類兩個(gè)關(guān)鍵方法進(jìn)行了深入研究，同時(shí)將潛在語(yǔ)義索引算法和領(lǐng)域本體應(yīng)用到該文本分類的通用框架中，實(shí)現(xiàn)了基于本體和潛在語(yǔ)義索引算法的文本分類原型系統(tǒng)。具體內(nèi)容如下：1．在領(lǐng)域?qū)＜业膮f(xié)助下，采用本體開(kāi)發(fā)工具protege3．3，手工構(gòu)建茶本體，為實(shí)現(xiàn)文本分類提供語(yǔ)義信息。2．采用潛在語(yǔ)義索引算法對(duì)特征向量進(jìn)行降維，剔除對(duì)分類作用不

3、大的特征項(xiàng)，減少向量維數(shù)。3．基于前人工作的基礎(chǔ)，結(jié)合領(lǐng)域本體知識(shí)構(gòu)建分類器，實(shí)現(xiàn)基于語(yǔ)義的文本分類。4．通過(guò)與傳統(tǒng)的樸素貝葉斯分類器進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證了該方法的可行性和有效性。實(shí)驗(yàn)結(jié)果表明該方法能夠取得較好的分類精度，提高了文本分類的性能。本體作為知識(shí)組織和知識(shí)表示手段，在理論上具備很多的優(yōu)勢(shì)和潛在的功能。將本體的概念引入到文本挖掘領(lǐng)域的應(yīng)用層面上，為人們實(shí)現(xiàn)文本的自動(dòng)分類提供一種新思路?；诒倔w的分類方法無(wú)需訓(xùn)練樣本，可以通過(guò)本體獲