基于人工免疫機制的Web文本分類研究.pdf

1、隨著Internet的飛速發(fā)展，從網(wǎng)絡(luò)上獲取信息已經(jīng)逐漸成為人們生活工作必不可少的內(nèi)容。但是由于網(wǎng)絡(luò)上的信息呈指數(shù)增長，內(nèi)容豐富，種類繁多，如何能夠準(zhǔn)確、有效的獲取感興趣的信息和知識的問題，已經(jīng)成為基于Internet的網(wǎng)絡(luò)信息獲取的熱點問題。針對網(wǎng)絡(luò)上的Web文本如何進(jìn)行自動分類正是本文的研究方向，它不僅僅是有效獲取網(wǎng)絡(luò)信息的方法，也是對于網(wǎng)絡(luò)信息進(jìn)行進(jìn)一步分析和過濾的前提。 人工免疫系統(tǒng)作為人工智能領(lǐng)域的重要分支，同神經(jīng)網(wǎng)絡(luò)

2、及遺傳算法一樣也是智能信息處理的重要手段，已經(jīng)受到越來越多中外學(xué)者的關(guān)注。人工免疫系統(tǒng)中的克隆選擇、高頻變異等原理具有動態(tài)性、自適應(yīng)和自學(xué)習(xí)性，很適合將其用到自動文本分類中進(jìn)行分類器訓(xùn)練，將人工免疫中的相關(guān)原理使用到自動文本分類系統(tǒng)模型中是本文理論研究的一個創(chuàng)新點。此外，針對HTML文檔半結(jié)構(gòu)化的特點設(shè)計的文檔預(yù)處理模塊和特征提取模塊是本文技術(shù)研究的一個創(chuàng)新點。 本文圍繞Web文本自動分類技術(shù)和人工免疫系統(tǒng)相關(guān)原理和算法展開研究

3、，主要工作包括： (1)對人工免疫系統(tǒng)的自身特殊概念、免疫方法、算法和用于機器學(xué)習(xí)的免疫模型進(jìn)行了總結(jié)和分析，著重闡述了RLAIS免疫模型及主要算法，分析了該模型的優(yōu)劣。對Web文本分類的關(guān)鍵技術(shù)進(jìn)行了分析總結(jié)，著重分析了中文文本特征提取算法，提出了各算法的優(yōu)缺點，時間復(fù)雜度和空間復(fù)雜度。 (2)針對HTML文檔中標(biāo)記匹配不嚴(yán)格和標(biāo)記交叉的現(xiàn)象，提出了對于HTML文檔文本主體提取的方法并加以實現(xiàn)。 (3)針對HT