文本分類技術(shù)及在輔助決策中的應(yīng)用研究.pdf

1、隨著因特網(wǎng)技術(shù)的迅速發(fā)展與日益普及，電子文本信息越來越豐富，同時人們在這些海量的信息面前又感到無從下手。因此，有效的組織和管理這些信息，并快速準(zhǔn)確的從中找到用戶所需要的信息是當(dāng)前信息技術(shù)領(lǐng)域面臨的一大挑戰(zhàn)。文本分類技術(shù)作為處理和組織大量文本數(shù)據(jù)的關(guān)鍵技術(shù)，可以有效的實現(xiàn)信息分流、解決信息雜亂問題，從而方便用戶快速做出決策。本文主要對文本分類及其相關(guān)技術(shù)做了研究，并就如何將文本分類技術(shù)更好的用于輔助決策做了研究，具體包括以下四個方面：

2、r>　　(1)文本分類特征權(quán)重計算方法的研究
　　本文首先闡述了傳統(tǒng)的權(quán)重計算方法應(yīng)用在文本分類任務(wù)中的不足之處，并驗證了采用特征選擇評估函數(shù)對詞頻加權(quán)的權(quán)重計算方法的有效性。
　　(2)基于反饋的類中心向量分類模型
　　類中心向量分類算法是一種效率較高的分類算法，本文在其基礎(chǔ)上，提出了改進(jìn)的基于反饋的類中心向量分類算法。該算法的主要思想是利用錯分的訓(xùn)練集樣本不斷的修正與其相關(guān)的類別的中心向量，使其更好的貼近訓(xùn)練集數(shù)據(jù)

3、的真實分布，從而使其在測試集上的性能得到明顯提升。實驗證明該算法是有效的。
　　(3)基于支持向量機的領(lǐng)域文本分類
　　本文提出了基于支持向量機的領(lǐng)域文本分類模型，該模型討論了文檔的標(biāo)題在文本分類中的作用。文檔的標(biāo)題一般處在這篇文檔的最前邊的位置，體現(xiàn)了文檔的中心思想，因此本文提出用文檔的標(biāo)題來代替文本正文內(nèi)容執(zhí)行分類任務(wù)。實驗證明，可以獲得最大程度的分類精度與分類效率的折中。
　　(4)文本分類技術(shù)在輔助決策中的應(yīng)用