文本分類及其在涉密資料管理中的應(yīng)用.pdf

1、二十一世紀(jì)是信息化時(shí)代，全球信息量每天均呈指數(shù)增長，日益膨脹的信息，使我們正處于“資源豐富，知識(shí)匱乏”的尷尬境地。如何快速、準(zhǔn)確地從海量信息中獲取我們所需內(nèi)容已成為焦點(diǎn)。正是在這樣的背景之下，基于人工智能的文本分類技術(shù)應(yīng)運(yùn)而生。文本分類是指在給定分類體系的情況下，根據(jù)文本內(nèi)容自動(dòng)確定其所屬類別的過程。從數(shù)學(xué)角度來看，文本分類是一個(gè)映射過程，它將未標(biāo)明類別的文本映射到已有的類別中。 本文對文本分類的關(guān)鍵技術(shù)及典型分類方法進(jìn)行了研究

2、，提出基于詞向量空間模型的文本分類方法。本文主要工作如下。 首先，概述了文本分類的歷史背景、研究現(xiàn)狀、基本概念及流程。 討論了分詞、文本表示、權(quán)重計(jì)算、特征選擇等關(guān)鍵技術(shù)。分析了K-最近鄰居、樸素貝葉斯、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等經(jīng)典分類方法的原理及算法。 針對支持向量機(jī)分類精度最高，但速度最慢，樸素貝葉斯分類速度最快，但精度最差，K-最近鄰居分類精度尚可，但分類速度較慢的特點(diǎn)，本文根據(jù)漢語常用詞數(shù)量有限性原理，提出