基于圖模型的中文小樣本文本分類研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，海量的信息以各種方式出現(xiàn)，其中最主要的還是文本信息，因此文本自動分類成為了國內(nèi)外研究的熱點(diǎn)，現(xiàn)在已經(jīng)出現(xiàn)了大量有效的分類方法，例如：Naive Bayes、KNN、SVM、決策樹以及神經(jīng)網(wǎng)絡(luò)等。在處理海量信息時(shí)，因?yàn)橛写罅康挠?xùn)練樣本可供其學(xué)習(xí)，所以SVM方法是效果最好的。但在缺少樣本的情況下，使用SVM，KNN等方法的分類效果并不出色，其原因是因?yàn)橄蛄磕Ｐ椭贿x取了文本的數(shù)字信息，而忽視了文本中詞的聯(lián)系。
　　

2、 本文在分析特征選擇時(shí)信息增益法和互信息方法的計(jì)算方式的差異的基礎(chǔ)上，給出了一種基于空間角度的特征選取方法，以有效降低特征詞的維數(shù)。在分析了向量空間模型的缺點(diǎn)的基礎(chǔ)上，給出了基于圖模型的方法，以及相似度比較和Graph-KNN分類算法，來提高小樣本集下的文本分類的準(zhǔn)確度。對各算法進(jìn)行了仿真，進(jìn)行了大量的訓(xùn)練和測試，對比了本文給出的方法和未改進(jìn)的KNN方法的各項(xiàng)性能，證實(shí)該方法的確能提高小樣本集下的文本分類的準(zhǔn)確度。本文的最后分析了該方