基于本體的網(wǎng)頁文本分類的研究.pdf

1、傳統(tǒng)的文本分類方法大都采用了基于詞頻的統(tǒng)計方法來表征文本，基于關(guān)鍵詞加權(quán)重的向量空間模型(Vector Space Model，VSM)對文本進(jìn)行分類，普遍缺乏語義信息的導(dǎo)引，得到的文檔特征表示只是單純的詞匯堆砌物。為了克服傳統(tǒng)文本分類方法中基于關(guān)鍵詞匹配帶來的局限性，充分利用網(wǎng)頁文本中的語義信息輔助分類，本文中引入了領(lǐng)域本體WordNet，將語言學(xué)知識有效地融合到文本向量空間的表示中，提出了一種基于本體的網(wǎng)頁文本分類算法并給出了系統(tǒng)的

2、實(shí)現(xiàn)框架。該算法從語義的角度考慮文檔的實(shí)際內(nèi)容信息，借助于WordNet中概念的層次關(guān)系以及概念問關(guān)系(也即語義)的細(xì)致描述以及其它與本體有關(guān)的方法來計算特征之間的語義相似度，進(jìn)行語義擴(kuò)展以縮減文本特征的維數(shù)，實(shí)現(xiàn)相似特征的合并以減小相似特征分離對分類結(jié)果的影響，并以此構(gòu)造了分類器。這種方法改進(jìn)了傳統(tǒng)分類方法中相似度的計算僅來自于數(shù)據(jù)本身的統(tǒng)計信息，綜合了概念間的語義關(guān)系及客觀發(fā)生的統(tǒng)計信息，有助于更準(zhǔn)確的模擬客觀世界的原貌，并發(fā)現(xiàn)其中