中文文本分類算法的研究與實(shí)現(xiàn).pdf

1、文本分類最初是應(yīng)文本信息檢索的要求出現(xiàn)的,但是隨著文本數(shù)據(jù)的激增,傳統(tǒng)的研究方法已經(jīng)不適合大規(guī)模文本分類,文本數(shù)據(jù)挖掘應(yīng)運(yùn)而生.作為文本數(shù)據(jù)挖掘的一個(gè)重要功能,文本分類技術(shù)日益成為研究熱點(diǎn).文本分類目的是對(duì)文本集有序組織,便于文本信息高效管理,為人的決策提供支持.但是傳統(tǒng)的人工分類的做法存在許多弊端,不僅是耗費(fèi)大量人力、物力和精力,而且受人為因素影響較大,分類結(jié)果一致性不高.與之相比,文本自動(dòng)分類具有快速、高效的特點(diǎn),且分類準(zhǔn)確率較高.

2、該文主要研究中文文本分類算法及其實(shí)現(xiàn),采用基于關(guān)聯(lián)分析和聚類分析兩種方法,設(shè)計(jì)和開發(fā)了中文文本分類系統(tǒng)ACTC,實(shí)現(xiàn)中文文本分類功能,在理論和實(shí)踐上論證兩種方法的可行性和正確性.系統(tǒng)用向量空間模型表示中文文本,采用基于統(tǒng)計(jì)的文本分類模型.該文從理論和應(yīng)用角度對(duì)現(xiàn)有文本分類算法進(jìn)行了較為深入的研究,提出一種新的關(guān)聯(lián)分類算法頻繁模式增長(zhǎng)PFP_Growth算法,并基于信息粒度原理將聚類算法用于中文文本分類.ACTC系統(tǒng)能夠快速高效對(duì)大規(guī)模中