基于粗糙集和神經(jīng)網(wǎng)絡(luò)的中文文本分類研究與實(shí)現(xiàn).pdf

1、隨著通信技術(shù)和計(jì)算機(jī)技術(shù)的飛速發(fā)展，自動信息處理已成為人們獲取大量信息不可缺少的工具文本分類作為自動信息處理的重要研究方向，有著廣泛的應(yīng)用前景粗糙集理論和神經(jīng)網(wǎng)絡(luò)技術(shù)在模式識別中都已得到廣泛的應(yīng)用，但在文本分類領(lǐng)域的應(yīng)用研究相對較套粗糙集在不影響分類精度的前提下通過信息約簡能得到顯式的文本分類規(guī)則，但它對數(shù)據(jù)中的噪聲比較敏感，分類規(guī)則具有模糊性神經(jīng)網(wǎng)絡(luò)有很強(qiáng)的容錯(cuò)學(xué)習(xí)能力，但不能消除過量的冗余信息，且龐大的文本特征維數(shù)限制了網(wǎng)絡(luò)的性能為

2、此本文采用了一種粗糙集和神經(jīng)網(wǎng)絡(luò)相結(jié)合的文本分類方法，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)RS-BPNN中文文本分類系統(tǒng)，主要工作內(nèi)容有： 1)本文對當(dāng)前文本分類領(lǐng)域的關(guān)鍵問題及其常用解決方法進(jìn)行了研究，分析了現(xiàn)有方法的特點(diǎn)與不足詳細(xì)闡述了信息約簡的粗糙集理論和基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)技術(shù)，分析了它們相結(jié)合的優(yōu)點(diǎn)。 2)本文結(jié)合粗糙集的屬性約簡和神經(jīng)網(wǎng)絡(luò)的分類機(jī)理，在向量空間模型表示文本的基礎(chǔ)上，構(gòu)建RS-BPNN中文文本分類模型首先采用粗糙

3、集對向量空間降維，然后用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，再利用訓(xùn)練得出的分類知識對新文本進(jìn)行分類通過兩者有機(jī)的融合增強(qiáng)了它們在文本分類中的實(shí)用性。 3)針對現(xiàn)有屬性約簡算法的缺陷，結(jié)合向量空間模型的特點(diǎn)，對粗糙集的Johnson屬性約簡算法進(jìn)行了改進(jìn)改進(jìn)的算法以特征向量重要度為啟發(fā)式信息，加快了約簡速度并能得到較優(yōu)的約簡。 4)開發(fā)了一個(gè)RS.BPNN中文文本分類原型系統(tǒng)，采用客觀的中文語料庫對系統(tǒng)進(jìn)行封閉式和開放式測試，分析和評