基于內(nèi)容的Web新聞文本自動分類問題研究.pdf

1、隨著WWW的迅速發(fā)展和普及，人們已經(jīng)從信息資源匱乏的時代迅速過渡到信息極為豐富的數(shù)字化時代。面對網(wǎng)上海量的信息資源，人們很難迅速有效的找到所需的信息。因此，如何合理和有效地組織和管理網(wǎng)上信息，已經(jīng)成為Web智能領(lǐng)域里一個十分重要的研究課題。隨著網(wǎng)絡(luò)信息的大量增長，傳統(tǒng)的人工處理網(wǎng)絡(luò)信息的方式已不能適應(yīng)時代的需要。網(wǎng)絡(luò)上的信息大都以文本形式出現(xiàn)。因此，Web文本的自動分類研究成為了一個日益重要的研究領(lǐng)域。
　　 本文的研究內(nèi)容主要

2、有以下幾個方面：
　　 （1）分析了Web 文本分類中的特征表示、特征項提取、分類方法等關(guān)鍵技術(shù)，探討和研究了存在的難點和突出問題。
　　 （2）提出了規(guī)則和統(tǒng)計相結(jié)合的中文命名實體識別方法。提出了一種在構(gòu)造外部和內(nèi)部規(guī)則的同時采用概率統(tǒng)計的中文命名實體的識別方法，實驗結(jié)果表明，該方法可以獲得較高的準確率和召回率。
　　 （3）討論了Web 新聞文本中的新聞實體要素對其主題的限定作用。并以這些新聞實體要素的組合為