利用關聯(lián)規(guī)則挖掘算法的中文短文本分類研究.pdf

1、即時通訊技術的發(fā)展以及信息技術的普及促進了手機短信、基于互聯(lián)網和手機短信息的客戶評論等短文本信息處理技術的發(fā)展,同時短文本處理技術的發(fā)展和實際應用又息息相關,它在信息安全、客戶評論反饋等領域都存在著實際的需求,使中文短文本分類問題成為一個重要的研究方向。
　　 由于短文本所描述概念信號弱的特性,現(xiàn)有的對長文本分類性能好的分類技術用于短文本時分類器性能變壞。短文本分類的可行途徑是利用外部資源中的額外信息來輔助分類,以彌補短文本的固

2、有缺陷。關聯(lián)規(guī)則挖掘算法正好可以在一定程度上解決短文本知識發(fā)現(xiàn)的問題。本文利用關聯(lián)規(guī)則挖掘算法,就中文短文本中共現(xiàn)關系的挖掘、特征的擴展進行了研究。主要工作如下:
　　 (1)提出一種基于測試文本特征擴展的短文本分類方法。該方法將短文本視作事務,將特征詞視作項,利用FP-Growth算法挖掘訓練集特征項中的共現(xiàn)關系,創(chuàng)建特征共現(xiàn)集作為擴展詞表。在分類階段,先根據(jù)特征共現(xiàn)集把測試文本中的特征的共現(xiàn)詞作為特征補充進來,然后再進行分類