基于科技文獻的中文文本分類算法研究.pdf

1、文本分類最初是應(yīng)文本信息檢索的要求出現(xiàn)的，但是隨著文本數(shù)據(jù)的激增，傳統(tǒng)的分類研究方法己經(jīng)不適合大規(guī)模文本分類，于是文本數(shù)據(jù)挖掘應(yīng)運而生。作為文本數(shù)據(jù)挖掘的一個重要功能，文本分類技術(shù)日益成為研究熱點。 科技文獻的行文和格式都有規(guī)范的特點，但其科技文獻的自動分類問題卻沒有得到足夠的關(guān)注；與此同時，科技文獻分類問題的需求卻與日俱增。針對這一現(xiàn)實需求，本文以計算機類科技文獻為例，對科技文獻的分類問題進行了深入研究。 首先，對中文

2、文本分類算法進行了深入研究，從分類算法的應(yīng)用和分類效果角度出發(fā)，分析了各個算法的分類思想、文本預(yù)處理方法、特征項的選擇和特征提取方法以及算法實現(xiàn)關(guān)鍵步驟等，并提出了評價和分析幾個分類算法的定理和方法。 其次，分析了科技文獻的行文規(guī)范特點，提出了關(guān)鍵詞抽取算法?？萍嘉墨I的標題、關(guān)鍵詞和摘要部分很精簡的反映了文章的核心內(nèi)容，同時與文檔主題內(nèi)容不相關(guān)的描述很少，算法直接從該部分內(nèi)容抽取關(guān)鍵詞集，取代了傳統(tǒng)文本分類算法的中文分詞。