基于粗糙集和最大熵融合的文本分類方法研究.pdf

1、網(wǎng)絡(luò)信息浩如煙海又紛繁蕪雜，從中獲取最有效的信息是信息處理的一大目標(biāo)。文本分類是組織和管理數(shù)據(jù)的有力手段，它作為信息過濾、信息檢索、搜索引擎、電子圖書館、網(wǎng)上商店等領(lǐng)域的技術(shù)基礎(chǔ)，有著良好的應(yīng)用前景，因此成為人們研究的熱點。 本文從文本的特征選擇、分類算法和分類器訓(xùn)練這三方面比較系統(tǒng)地研究了文本分類算法。 (1)在文本分類中，文本一般是表示為VSM模型。但是特征選取和特征權(quán)重計算都是一個比較重要的問題，它決定了分類器的正

2、確率。本文提出一種特征聚合的算法，改進特征選擇的有效性。它是一種依據(jù)特征單詞對于每個類別的相關(guān)性(即x<'2>值)，根據(jù)聚合系數(shù)δ將具有相同或者相似相關(guān)性的特征進行合并的特征選擇算法。實驗表明它與Bayes、KNN和SVM這幾種算法相結(jié)合能有效地提高文本分類的正確率并減少分類時間。 (2)最大熵模型可以綜合觀察到各種分散的上下文相關(guān)信息，可以為估計語言中的文字詞匯現(xiàn)象的概率提供一個清晰可擴展的處理框架。本文將最大熵模型引入了中文

3、文本分類的研究。實驗表明通過與特征聚合算法結(jié)合，與Bayes、KNN和SVM這幾種性能優(yōu)越的算法相比，基于最大熵的文本分類算法可取得較之更優(yōu)的分類精度。 (3)考慮到最大熵模型GIS算法的訓(xùn)練時間隨特征維數(shù)增加而線性增加，本文結(jié)合粗糙集和最大熵的優(yōu)點，提出基于粗糙集和最大熵融合的文本分類方法，利用粗糙集的約簡可以進一步降低向量維數(shù)，從而縮短訓(xùn)練時間。 (4)本文利用以上的算法實現(xiàn)了一套文本分類系統(tǒng)，并在這套系統(tǒng)上進行了相