基于WordNet本體庫(kù)的文本分類(lèi)方法.pdf

1、針對(duì)用于文本表示的向量空間維數(shù)過(guò)大、包含語(yǔ)義信息不足及向量空間中詞形統(tǒng)計(jì)的局限性，闡述了引入概念的優(yōu)勢(shì)。通過(guò)介紹語(yǔ)義詞典WordNet的結(jié)構(gòu)、概念間的多種關(guān)系、概念鏈的定義和應(yīng)用，將WordNet本體庫(kù)中的每個(gè)同義詞集合(synset)看作是能明確表示語(yǔ)義的一個(gè)概念，文本中的詞條均用與該詞條對(duì)應(yīng)的概念來(lái)代替，即用該詞條所屬的同義詞集合來(lái)代替，通過(guò)WordNet中的上下文關(guān)系，利用WordNet中的概念鏈，并引入概念的概括度和反類(lèi)別頻度，

2、調(diào)整特征向量空間的權(quán)值，建立了文本的概念向量空間模型作為文本的特征向量空間模型，從而體現(xiàn)了文本中更抽象的語(yǔ)義信息。 在本文中，提出了一種基于語(yǔ)義分析的文本分類(lèi)方法，將文本分類(lèi)技術(shù)和語(yǔ)義詞典WordNet提供的知識(shí)相結(jié)合研究實(shí)現(xiàn)了一個(gè)文本分類(lèi)系統(tǒng)，分類(lèi)器采用樸素貝葉斯分類(lèi)器。對(duì)基于語(yǔ)義的向量空間模型的生成步驟做了詳細(xì)的論述，對(duì)基于語(yǔ)義的和基于詞形的兩種分類(lèi)系統(tǒng)的性能做了比較實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，這種概念向量空間模型取得了較好的準(zhǔn)確率