基于WordNet本體庫的文本分類方法.pdf

1、針對用于文本表示的向量空間維數(shù)過大、包含語義信息不足及向量空間中詞形統(tǒng)計的局限性，闡述了引入概念的優(yōu)勢。通過介紹語義詞典WordNet的結構、概念間的多種關系、概念鏈的定義和應用，將WordNet本體庫中的每個同義詞集合(synset)看作是能明確表示語義的一個概念，文本中的詞條均用與該詞條對應的概念來代替，即用該詞條所屬的同義詞集合來代替，通過WordNet中的上下文關系，利用WordNet中的概念鏈，并引入概念的概括度和反類別頻度，

2、調整特征向量空間的權值，建立了文本的概念向量空間模型作為文本的特征向量空間模型，從而體現(xiàn)了文本中更抽象的語義信息。 在本文中，提出了一種基于語義分析的文本分類方法，將文本分類技術和語義詞典WordNet提供的知識相結合研究實現(xiàn)了一個文本分類系統(tǒng)，分類器采用樸素貝葉斯分類器。對基于語義的向量空間模型的生成步驟做了詳細的論述，對基于語義的和基于詞形的兩種分類系統(tǒng)的性能做了比較實驗。實驗結果表明，這種概念向量空間模型取得了較好的準確率