中文文本分類關(guān)鍵技術(shù)研究與實現(xiàn).pdf

1、隨著信息處理技術(shù)和計算機網(wǎng)絡(luò)的普及，人們處理的文本信息，特別是中文文本信息的數(shù)據(jù)量正在以指數(shù)的速度增長。為了快速、方便地處理這些信息，文本自動分類技術(shù)應(yīng)運而生，并且已經(jīng)成為現(xiàn)在文本數(shù)據(jù)挖掘領(lǐng)域的一個研究熱點。
　　 本文在對國內(nèi)外文本自動分類系統(tǒng)分析研究的基礎(chǔ)上，從文本分類知識的自動獲取到分類器設(shè)計，詳細(xì)地討論了中文文本分類系統(tǒng)中影響分類結(jié)果的幾個關(guān)鍵技術(shù)，并且深入研究了如何提高中文文本分類的精度、速度和穩(wěn)定性，最終實現(xiàn)了一個中

2、文文本分類系統(tǒng)。本系統(tǒng)利用改進的向量空間模型表示特征，同時通過對文本特征的提取方法研究，提出了一種新的聯(lián)合特征提取方法，在分類器設(shè)計方面，利用改進的獨立分量分析算法提升了樸素貝葉斯分類器的性能，另外為了提高系統(tǒng)的整體分類性能，本文實現(xiàn)了將SVM分類器和改進的Bayes分類器集成到一個系統(tǒng)中，構(gòu)造多分類器引擎，獲得了比單個分類器更好的分類性能。通過在該系統(tǒng)上的大量評估性實驗及對實驗數(shù)據(jù)的統(tǒng)計分析，證明本文采用的中文文本分類方法基本達(dá)到了上