基于詞和基本短語模式的特征提取方法.pdf

1、Internet的發(fā)展帶動了信息的迅速增加，如何從海量的信息中快速有效地找到有用的信息，已經(jīng)成為亟待解決的問題。文本信息的自動分析可以有效地解決這一問題，而文本信息自動分析中的一個主要技術(shù)就是文本分類。文本分類技術(shù)可以使用戶按照自己的要求搜索到有用的信息，不僅大大提高了文本信息的利用率，還具有廣泛的研究價值和商業(yè)價值。
　　 文本分類主要包括四個部分：文本預(yù)處理、特征提取、特征權(quán)重計算和分類器分類。其中特征提取是文本分類的關(guān)鍵，

2、而消除語義歧義和降低向量空間維數(shù)是特征提取的難點。傳統(tǒng)的文本分類方法都以詞作為文本的特征進行提取，而單個詞語所能涵蓋的文本特征含義十分有限。本文改進了特征項單一性的缺點，提出了一種基于詞和基本短語模式的特征提取方法。本文采用了對分詞后的詞語進行詞性標注，并且使用同義詞詞林處理同義詞和多義詞的方法。即有效地消除了語義歧義，還降低了空間向量維數(shù)。
　　 本文用KNN分類器和SVM分類器分別進行了實驗。實驗結(jié)果表明，分類的準確率和召回