Web文本分類關鍵技術研究與應用.pdf

1、隨著網絡技術的發(fā)展以及Internet的普及，大量的信息充斥著我們的生活、工作，信息的產生量達到空前水平，而這些基于 Web所產生的數據大多是非結構化或半結構化的數據，因此對這些數據的組織與處理方式對我們是一大挑戰(zhàn)。通過 Web文本分類技術，可以對 Web文本數據進行高效的組織及分類，這就有效的提高了信息檢索的速度及精度。同時Web文本分類技術是Web文本挖掘技術的一部分，正是由于對Web文本分類精度的提高，為人們從Web中提取未知的及

2、有價值的信息提供了可能。
　　本文正是以Web文本數據作為研究對象，對Web文本分類技術所涉及的問題及技術進行分析與研究。同時，本文對 Web文本分類技術的研究背景及其所具有的意義進行了介紹，對當前國內外該研究領域的研究現狀進行了說明。在此基礎上，描述了其涉及到的相關知識及分類效果的評估，為后續(xù)操作提供了理論依據。首先，對于現有的Web文本分類技術中，在文本特征選擇階段中所進行的特征選擇方式進行了分析討論，對于文本特征之間關系進行

3、了研究，設計了一種采用Web文本特征關聯(lián)性進行文本特征選擇的方案，并通過實驗驗證了其在文本分類方面的作用及意義。與此同時，從基于信息增益（IG）的特征提取方法與基于?2統(tǒng)計量的特征選擇所具有的優(yōu)點得到啟發(fā)，通過對其進行進一步的研究、改進，采用IG-CHI方法進行特征提取的方案，結合傳統(tǒng)的特征提取方式對兩種特征選擇方式在效率及精度方面進行了分析比較。其次，對于現有的分類模型進行對比，在Web文本分類模型中單個分類器在效率及準確性方面并不能