基于本體的語義文本分類研究.pdf

1、文本分類在很多文本挖掘和信息檢索系統(tǒng)中發(fā)揮著重要的作用，可以改善檢索性能、提供導(dǎo)航/瀏覽機(jī)制及發(fā)現(xiàn)相似文本等。文本分類的研究已成為數(shù)據(jù)挖掘中一個非常重要的課題。 文本分類的首要問題是文本數(shù)據(jù)的數(shù)學(xué)表示。目前多數(shù)文本分類算法都是以向量空間模型為基礎(chǔ)的。這種文本表示方法非常簡單，但卻引發(fā)了高維稀疏的問題；而且基于向量空間模型的分類算法都沒有很好地解決文本數(shù)據(jù)所特有的兩個自然語言問題：近義詞和多義詞。所有這些問題都極大地干擾了文本分類

2、算法的效率和準(zhǔn)確性，使文本分類的性能下降。盡管人們提出通過向量空間權(quán)重調(diào)整和降維來解決上述問題，但是這些方法都有自身的缺點。向量空間權(quán)重調(diào)整法實際上并沒有有效地解決以上問題，它只能非常有限地提高文本分類的性能。降維法雖然解決了高維稀疏問題，但是降維的代價一般都非常大。為了避免上述問題的產(chǎn)生，本文結(jié)合《知網(wǎng)》，提出了語義特征向量文本表示法和文本間語義相似度的計算方法。 最后，對基于語義簡單向量距離、語義k-NN和語義SVM三類中文