文本分類的特征選擇和分類方法研究.pdf

1、隨著網絡上的信息量迅速的增加,如何有效的處理和組織這些文本數(shù)據(jù),成為當前研究的重要課題,文本分類是其中的核心課題之一。文本分類的任務是在給定類別標簽的前提下,根據(jù)文本的內容對文本進行分類。文本分類在自然語言處理與理解、信息檢索、內容信息過濾等領域都有著廣泛的應用。
　　 目前文本分類的模型已經趨近成熟,但并不是說已經到達完美的狀態(tài),仍然是有一些問題需要改進。文本分類中關鍵的兩個部分是特征降維和分類方法,特征降維的方法分為特征選擇

2、和特征抽取兩類。本文從機器學習的角度出發(fā),主要關注點在特征選擇方法和分類方法的研究。
　　 關于特征選擇方法的研究,基于信息論熵性質提出了一種新的特征選擇方法。該方法對特征定義兩個概念用于特征過濾:樣本熵、類別熵。方法結合現(xiàn)有的特征選擇方法如互信息等使用,迭代的使用樣本熵和類別熵過濾特征項,得到維數(shù)更小的特征子集,但在分類應用的時候卻能取得更好分類效果。
　　 關于分類方法的研究,考慮到SVM良好的性能和集成學習的優(yōu)點,