基于RBF網(wǎng)絡(luò)的文本自動(dòng)分類的研究.pdf

1、在現(xiàn)實(shí)世界中，人們可獲取的大部分信息來(lái)自文本數(shù)據(jù)庫(kù)(或文檔數(shù)據(jù)庫(kù))，文本數(shù)據(jù)庫(kù)包含大量來(lái)自各種數(shù)據(jù)源(如新聞、研究論文、報(bào)告、書籍、雜志等)的文檔。近年來(lái)，隨著計(jì)算機(jī)技術(shù)和Internet的飛速發(fā)展，每天都會(huì)產(chǎn)生大量的電子文檔，使得文本數(shù)據(jù)庫(kù)的總量以驚人的速度膨脹。要有效地利用這些海量的文本數(shù)據(jù)，必須把它們按其內(nèi)容進(jìn)行分門別類的整理，而這個(gè)工作如果靠人工來(lái)完成，將要耗費(fèi)許多具有豐富經(jīng)驗(yàn)和專門知識(shí)的分類人員的大量勞動(dòng)，顯然這種方式具有周期

2、長(zhǎng)、費(fèi)用高、效率低的缺點(diǎn)，在信息爆炸的今天很難滿足實(shí)際需要，因此利用計(jì)算機(jī)技術(shù)對(duì)大量文本進(jìn)行自動(dòng)分類就成為了當(dāng)前一個(gè)日益流行、而且具有重要意義的研究課題。對(duì)文本進(jìn)行自動(dòng)分類，涉及到許多領(lǐng)域的理論和技術(shù)，主要有概率統(tǒng)計(jì)、信息檢索、數(shù)據(jù)挖掘、自然語(yǔ)言理解、模式識(shí)別和機(jī)器學(xué)習(xí)等，所以非常具有綜合性和挑戰(zhàn)性。目前大多數(shù)文本分類方法都是基于相似度的，即為每一個(gè)目標(biāo)類訓(xùn)練(學(xué)習(xí))一個(gè)類別特征向量，對(duì)新的待分類文本特征向量，計(jì)算它與每一個(gè)類別特征向量