面向企業(yè)興趣的文本自動分類及基于本體的文本索引方法研究.pdf

1、隨著互聯(lián)網(wǎng)信息的增長,Web挖掘已經(jīng)成為數(shù)據(jù)挖掘研究的熱點之一。目前的通用搜索引擎技術(shù)已經(jīng)得到了極大的發(fā)展，但是單獨為企業(yè)服務(wù)，從web上自動獲取企業(yè)所感興趣知識的系統(tǒng)卻還不多。此外，企業(yè)也迫切需要將內(nèi)部知識管理系統(tǒng)與web知識獲取系統(tǒng)相結(jié)合，以提供給企業(yè)員工更全面的知識服務(wù)。企業(yè)web知識獲取系統(tǒng)對于一些保密性要求較高，內(nèi)網(wǎng)需要與外網(wǎng)分離的企業(yè)尤其具有實用價值。 本文是在實踐的基礎(chǔ)上進行的總結(jié)，主要包括如下幾個部分：

2、首先介紹了Web挖掘的一些基本概念、方法和技術(shù)，闡述了什么是Web挖掘，為什么要進行Web挖掘。在此基礎(chǔ)上，提出了一個面向企業(yè)興趣的文本自動分類系統(tǒng)的框架和實現(xiàn)方法——在企業(yè)依據(jù)自身興趣建立的分類體系下，根據(jù)文本內(nèi)容自動判別文本類別。本文特別關(guān)注于對用戶興趣的建立和維護，用戶信息的反饋以及如何充分利用本體這一領(lǐng)域知識來使分類結(jié)果更加符合企業(yè)用戶的需要。文本的自動分類結(jié)合通用的網(wǎng)頁獲取手段以及中文處理方法構(gòu)成了系統(tǒng)的主體框架，實現(xiàn)了自動從

3、Web上根據(jù)企業(yè)興趣來獲取相關(guān)知識。針對系統(tǒng)中所涉及的關(guān)鍵技術(shù)，包括網(wǎng)頁的獲取、文本預(yù)處理、向量空間模型、特征提取、機器學習方法，論文進行了研究和探討，并給出了評估方法和實驗結(jié)果。 本文還研究了結(jié)合領(lǐng)域本體對中文文本進行信息提取和自動索引的方法。利用領(lǐng)域本體來表述已有知識，在此基礎(chǔ)上對解析后的頁面采用多種匹配方法進行信息抽取，對提取出的信息進行索引后，就可以支持用戶的檢索，使知識系統(tǒng)的索引更加自動化。該部分目前仍然處于理論方法的