基于語(yǔ)義分析的文本挖掘研究.pdf

1、隨著信息技術(shù)的不斷發(fā)展，以電子形式存儲(chǔ)的文本開始泛濫，很多人們需要的信息往往被大量的垃圾信息所淹沒(méi)，如何自動(dòng)地從這些文本中挖掘出有用的信息將成為一個(gè)重要的課題。中文作為使用最多的語(yǔ)言之一，其文本挖掘就非常重要。文本分類作為文本挖掘中的一個(gè)重要分支，其步驟為：訓(xùn)練樣本的選取、文本表示、特征提取、構(gòu)造分類器、驗(yàn)證分類器性能。傳統(tǒng)的文本挖掘方法是一種基于統(tǒng)計(jì)的方法，它以詞頻作為分類結(jié)果的主要影響因素，而不考慮詞序、詞義等更多的語(yǔ)義信息，在加權(quán)

2、階段采用了無(wú)指導(dǎo)的特征加權(quán)方法，沒(méi)有充分利用已帶類標(biāo)簽的訓(xùn)練數(shù)據(jù)。
　　 相對(duì)于基于統(tǒng)計(jì)的文本挖掘方法，基于語(yǔ)義分析的方法能考慮更多的文本信息，從而大大提高文本挖掘的性能。語(yǔ)義分析主要集中在特征提取這個(gè)處理步驟中，采用詞典這種基于外部語(yǔ)義知識(shí)的方法對(duì)文本挖掘有著很大的幫助。為此提出了一種基于語(yǔ)義分析的特征提取方法以及針對(duì)加權(quán)步驟提出了一種改進(jìn)的有指導(dǎo)的加權(quán)方法：
　　 1.基于《同義詞語(yǔ)林》的文本特征提取：
　　

3、 基于《同義詞語(yǔ)林》的文本特征提取是一種基于語(yǔ)義分析的文本處理方法。中文的語(yǔ)料庫(kù)相對(duì)較少且雜亂，能夠拿來(lái)研究使用的也只有《同義詞詞林》，并且在此基礎(chǔ)上也沒(méi)有一個(gè)系統(tǒng)的文本分類方法。針對(duì)以上問(wèn)題，提出一個(gè)完整的基于語(yǔ)義的文本處理方法，該方法利用了《同義詞語(yǔ)林》編碼的特性，對(duì)文本分別作了多義詞消歧、同義詞替換和搭配詞組合的處理。
　　 2.改進(jìn)的有指導(dǎo)的特征加權(quán)方法：
　　 傳統(tǒng)無(wú)指導(dǎo)的加權(quán)方法并沒(méi)有充分利用分類數(shù)據(jù)的特性，