版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、文本自動分類,是將非結構化的文本依據其內容指派到一個或多個預先定義的類別中去的一項技術,近10年來受到了人們越來越多的關注。這主要因為大量機器可讀的電子文本的出現,迫切需要對文本進行有效地分類,以提高查找、閱讀速度的結果。目前盡管己有許多技術和算法用于文本的自動分類,但是,對這些技術和算法本身效力的挖掘還遠遠不夠,仍留有很大的改進空間。另外,還有新的分類方法尚待深入研究,特別是對于中文文本的自動分類,之前相關的研究工作相對較少,有名氣的
2、中文文本分類器更少。 文本分類器對于學習算法和分類的結果都是至關重要的一步。在學習算法和分類系統(tǒng)能夠處理文本之前,文本必須轉換成一種適當的表示形式。這種表示形式要在一定程度上能夠捕獲文本本身的語義內容。依據前面的要求,可以把中文文本分類技術過程描述為:文本數據集的搜集,中文文本的分詞,高維的原始特征空間的降維計算,分類器的選擇,分類結果的評價等。 本文所做工作如下: 1、介紹了文本分類相關概念,對現有文本分類方法
3、進行了介紹; 2、為了從分詞結果中獲取對分類有用的信息,本文中使用不同的特征降維方法:互信息方法、相關系數法、文檔頻率法,及期望交叉熵法對分詞結果進行降維處理,實驗顯示相關系數法對分類最為有效,期望交叉熵與互信息方法稍差,文檔頻率法效果最差; 3、本文還通過實驗,對使用交叉覆蓋算法作為分類器與使用SVM方法作為分類器進行比較,通過比較可以看出,交叉覆蓋算法作為分類器對中文文本進行分類,在適當的維數和特征降維法下,具有較好
4、的分類效果; 本文對中文文本分類進行了一些工作,但在本論文的基礎上,還有需要改進和提高之處。因此,對中文文本分類的進一步研究工作可從如下三個方面展開: 1、本文文本表示模型采用的是向量空間模型,在向量空間模型方面,結合計算語言學,使用概念空間代替詞空間;沒有考慮到漢語詞義之間的影響:中文分詞采用的是中國計算所的ICTCLAS的分詞結果,以后可以進一步研究如何提高分詞的精確度; 2、對交叉覆蓋算法進行改進,提高其分
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于覆蓋算法的文本分類研究及應用.pdf
- 文本分類算法研究.pdf
- 基于構造性覆蓋算法的中文文本分類.pdf
- 自動文本分類算法研究.pdf
- 基于主題挖掘和覆蓋的文本分類研究.pdf
- 高性能文本分類算法研究.pdf
- 中文文本分類算法研究.pdf
- 基于GPU的文本分類算法研究.pdf
- 多標簽文本分類算法研究.pdf
- 文本分類算法的研究與改進.pdf
- 基于TFIDF的文本分類算法研究.pdf
- 基于超球覆蓋仿生模式識別的文本分類算法研究.pdf
- 文本分類算法的研究與實現.pdf
- 三網融合下文本分類的特征選擇方法研究.pdf
- 基于特征權重算法的文本分類研究.pdf
- 支持向量機文本分類算法研究.pdf
- 中文多標簽文本分類算法研究.pdf
- 中文文本分類中文本表示及分類算法研究.pdf
- 文本分類中特征選擇和分類算法的研究.pdf
- 文本分類相關算法的研究與實現.pdf
評論
0/150
提交評論