基于本體和潛在語義索引算法的文本分類方法研究.pdf

1、隨著Internet的發(fā)展，互聯(lián)網(wǎng)上的數(shù)據(jù)和信息呈現(xiàn)海量特征，文本分類作為處理和組織大量文本信息的關(guān)鍵方法，可以方便人們準確地找到自己所需要的知識。信息的爆炸式增長，使人們對文本分類的要求越來越高。傳統(tǒng)的基于統(tǒng)計和機器學習的分類方法需要大量的訓練集來訓練分類模型，如果類別改變需要重新收集大量的訓練集合，費時費力。這些傳統(tǒng)方法大多采用向量空間模型進行文本表示，會導致特征向量的高維性和稀疏性。在高維的特征空間中實現(xiàn)文本分類，分類的計算量大而

2、且效率低，無法滿足用戶的需求。 本文提出一個基于本體的文本分類的通用框架，重點對文本分類任務(wù)中的特征降維和分類兩個關(guān)鍵方法進行了深入研究，同時將潛在語義索引算法和領(lǐng)域本體應(yīng)用到該文本分類的通用框架中，實現(xiàn)了基于本體和潛在語義索引算法的文本分類原型系統(tǒng)。具體內(nèi)容如下：1．在領(lǐng)域?qū)＜业膮f(xié)助下，采用本體開發(fā)工具protege3．3，手工構(gòu)建茶本體，為實現(xiàn)文本分類提供語義信息。2．采用潛在語義索引算法對特征向量進行降維，剔除對分類作用不

3、大的特征項，減少向量維數(shù)。3．基于前人工作的基礎(chǔ)，結(jié)合領(lǐng)域本體知識構(gòu)建分類器，實現(xiàn)基于語義的文本分類。4．通過與傳統(tǒng)的樸素貝葉斯分類器進行對比實驗，驗證了該方法的可行性和有效性。實驗結(jié)果表明該方法能夠取得較好的分類精度，提高了文本分類的性能。本體作為知識組織和知識表示手段，在理論上具備很多的優(yōu)勢和潛在的功能。將本體的概念引入到文本挖掘領(lǐng)域的應(yīng)用層面上，為人們實現(xiàn)文本的自動分類提供一種新思路?；诒倔w的分類方法無需訓練樣本，可以通過本體獲