一種中文文本分類方法的研究及實(shí)現(xiàn).pdf_第1頁
已閱讀1頁,還剩57頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、文本文件是目前各種計(jì)算機(jī)應(yīng)用過程產(chǎn)生的輸出結(jié)果中最為廣泛的形式之一,因此在文本文件中蘊(yùn)含了很多信息。但是當(dāng)文本文件數(shù)目巨大時(shí),尤其是網(wǎng)絡(luò)的普及,使得通過網(wǎng)絡(luò)更易產(chǎn)生和獲得文件時(shí),人們從文件中獲得信息變得更加困難。文本分類可以使得人們無需逐個(gè)瀏覽文本文件來確認(rèn)是否是自己所需文本,自動(dòng)的將文本劃分到人們事先指定好的類別域中的正確類別,同時(shí)在分類過程中得到的分類模式及其它數(shù)據(jù)亦可應(yīng)用于進(jìn)一步的文本挖掘、智能搜索引擎、個(gè)性化軟件助理等領(lǐng)域。

2、 本文在分析了文本分類系統(tǒng)的一般開發(fā)過程的基礎(chǔ)上,增加了對(duì)分類模式的改進(jìn),改進(jìn)了整個(gè)文本分類系統(tǒng)的開發(fā)過程。在特征建立階段提出了文本摘要結(jié)構(gòu),引入了詞條在文本不同位置時(shí)對(duì)文本分類結(jié)果的影響。在學(xué)習(xí)與知識(shí)模式提取階段提出了候選機(jī)制,得到候選分類類別列表,使得系統(tǒng)除了提供了最佳分類類別外,還可以提供相似主題類別,即進(jìn)行模糊分類。同時(shí),還提出了分類模式調(diào)整機(jī)制,利用了候選分類類別列表中的結(jié)果,采取調(diào)整算法對(duì)分類模式進(jìn)行循環(huán)調(diào)整,最終達(dá)到分

3、類模式的不斷改進(jìn)。在得出最終分類結(jié)果時(shí),還應(yīng)用了多參數(shù)評(píng)分機(jī)制、驗(yàn)證分類結(jié)果方案。其中多參數(shù)評(píng)分機(jī)制通過計(jì)算文本之間的相似度值,并結(jié)合候選類別、候選名次可以得到一個(gè)加權(quán)后的最終分類排名,以此確定最后分類類別。而驗(yàn)證分類結(jié)果方案,則依據(jù)候選分類類別列表,隨機(jī)從訓(xùn)練文本集中抽取一定數(shù)目的文本來驗(yàn)證該列表,使得本系統(tǒng)得出的分類結(jié)果并不完全依賴于分類模式。 本文詳細(xì)論述了上述新概念、新技術(shù),并在此基礎(chǔ)上實(shí)現(xiàn)了一個(gè)文本分類系統(tǒng),最后還給出

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論