一種中文文本分類方法的研究及實現(xiàn).pdf

1、文本文件是目前各種計算機應(yīng)用過程產(chǎn)生的輸出結(jié)果中最為廣泛的形式之一，因此在文本文件中蘊含了很多信息。但是當文本文件數(shù)目巨大時，尤其是網(wǎng)絡(luò)的普及，使得通過網(wǎng)絡(luò)更易產(chǎn)生和獲得文件時，人們從文件中獲得信息變得更加困難。文本分類可以使得人們無需逐個瀏覽文本文件來確認是否是自己所需文本，自動的將文本劃分到人們事先指定好的類別域中的正確類別，同時在分類過程中得到的分類模式及其它數(shù)據(jù)亦可應(yīng)用于進一步的文本挖掘、智能搜索引擎、個性化軟件助理等領(lǐng)域。

2、 本文在分析了文本分類系統(tǒng)的一般開發(fā)過程的基礎(chǔ)上，增加了對分類模式的改進，改進了整個文本分類系統(tǒng)的開發(fā)過程。在特征建立階段提出了文本摘要結(jié)構(gòu)，引入了詞條在文本不同位置時對文本分類結(jié)果的影響。在學(xué)習與知識模式提取階段提出了候選機制，得到候選分類類別列表，使得系統(tǒng)除了提供了最佳分類類別外，還可以提供相似主題類別，即進行模糊分類。同時，還提出了分類模式調(diào)整機制，利用了候選分類類別列表中的結(jié)果，采取調(diào)整算法對分類模式進行循環(huán)調(diào)整，最終達到分

3、類模式的不斷改進。在得出最終分類結(jié)果時，還應(yīng)用了多參數(shù)評分機制、驗證分類結(jié)果方案。其中多參數(shù)評分機制通過計算文本之間的相似度值，并結(jié)合候選類別、候選名次可以得到一個加權(quán)后的最終分類排名，以此確定最后分類類別。而驗證分類結(jié)果方案，則依據(jù)候選分類類別列表，隨機從訓(xùn)練文本集中抽取一定數(shù)目的文本來驗證該列表，使得本系統(tǒng)得出的分類結(jié)果并不完全依賴于分類模式。 本文詳細論述了上述新概念、新技術(shù)，并在此基礎(chǔ)上實現(xiàn)了一個文本分類系統(tǒng)，最后還給出