基于Rough Set理論的文本分類器研究.pdf

1、本文選擇了信息檢索領(lǐng)域的關(guān)鍵問題文本分類作為研究對象。將文本分類操作的分類算法和怎樣將RoughSet理論應(yīng)用于分類操作作為研究重點(diǎn)。 由于RoughSet理論是一種較新的軟計(jì)算方法，可以有效地分析和處理不完備信息。在許多科學(xué)與工程領(lǐng)域得到成功的應(yīng)用，但是在信息檢索領(lǐng)域的應(yīng)用研究相對較少。所以本文將怎樣把RoughSet理論應(yīng)用于文本分類模型這個典型問題作為研究的重點(diǎn)。研究分析了RoughSet理論應(yīng)用于文本操作的現(xiàn)狀、論述了R

2、oughSet理論應(yīng)用的優(yōu)勢以及局限性和文本操作所面臨的困難。本文的一個基本觀點(diǎn)是“不完備和不一致的文本信息系統(tǒng)的“規(guī)則”是不可靠的”。所以應(yīng)用RoughSet理論的重點(diǎn)不從“屬性約簡”、“規(guī)則提取”的角度的進(jìn)行。 本文提出一種新的訓(xùn)練模型，即將訓(xùn)練預(yù)分類標(biāo)準(zhǔn)和關(guān)鍵字出現(xiàn)視為不可分關(guān)系，形成確定的知識，同時又將其視為不確定的知識。并以此作為粗糙操作的基礎(chǔ)。給出了基于RoughSet理論的文本訓(xùn)練類別和特征關(guān)鍵字在給定文本集合中的

3、關(guān)聯(lián)關(guān)系的研究結(jié)果。即從集合的角度總結(jié)出由特征引起的集合與由訓(xùn)練類別引起的集合之間存在的幾種典型關(guān)系，以及在粗糙集模型下的相應(yīng)結(jié)論。解決了關(guān)鍵字描述能力和分類能力的表達(dá)問題，內(nèi)容還涉及退化、約簡等內(nèi)容。最后，提出一種基于RoughSet理論的單分類器模型算法。它從RoughSet理論的知識近似表示、表示精度及集合計(jì)算操作的角度進(jìn)行應(yīng)用。該方法提出“將文本訓(xùn)練過程視為經(jīng)典粗糙集，將測試過程視為模糊集”的思想，通過特征與類別之間在Rough

4、Set模型下的關(guān)聯(lián)關(guān)系設(shè)計(jì)出單分類器的算法，并將粗糙精度的概念引入具體計(jì)算過程。算法解決了結(jié)果精確隸屬的問題，可以被用于多重分類問題。然后針對應(yīng)用過程中產(chǎn)生的退化問題設(shè)計(jì)出雙向近似的單文本分類器的算法。該算法同時實(shí)現(xiàn)了屬性的自然約簡。通過實(shí)驗(yàn)證明以上算法是算法簡單、有效。 另外，本文還將容差RoughSet理論應(yīng)用于文本分類，提出一種基于容差RoughSet理論的多文本分類器模型算法。它從RoughSet理論的關(guān)系定義及上近似和