基于引力場模型的文本分類方法.pdf

1、隨著I工業(yè)的發(fā)展，特別是互聯(lián)網(wǎng)的應(yīng)用普及，信息處理已成為人們獲取有用信息不可或缺的一項關(guān)鍵技術(shù)，而自動文本分類技術(shù)又是信息處理的重要研究課題，它是指在預(yù)定義分類體系下，根據(jù)文本的內(nèi)容，自動判別文本類別的過程。
　　 本文首先介紹中文文本自動分類系統(tǒng)框架，然后介紹幾種中文文本分類相關(guān)技術(shù)，接著介紹幾種經(jīng)典文本分類方法并總結(jié)其優(yōu)缺點，最后本文提出一種新的文本分類算法。
　　 該方法是受引力場啟發(fā)而設(shè)計的一個基于引力場模型的“

2、虛核”(Virtual Kernel，簡記VK)文本分類方法。其基本思想：首先，在訓(xùn)練階段，通過對單個類別下已標(biāo)記文本的特征詞頻進行某種數(shù)學(xué)變換，計算該類別“虛核”在各個特征處的特征引力場強，從而獲得單個類的類別“虛核”，以此類推，得到所有預(yù)定義類別的“虛核”，至此，分類模型構(gòu)建完成；然后，在測試階段，當(dāng)未標(biāo)記文本到來時，按照一定規(guī)則，計算各個類的類別“虛核”對該未標(biāo)記文本產(chǎn)生的引力；最后，將引力大小排序來最終確定該文本所屬類別。究其本

3、質(zhì)，該方法是按照預(yù)定義類別與文本特征之間的相關(guān)性進行自動分類的。
　　 為了驗證VK分類方法的實用性，本文做了大量精心設(shè)計的實驗，實驗采用向量空間模型來表示文本，采用兩種特征選擇方法-文檔頻率(DF)、信息增益(IG)，與兩種經(jīng)典的文本分類方法-kNN、樸素貝葉斯做比較，在兩個語料庫上進行測試，得出了一些有意義的結(jié)論：
　　 1)VK分類方法不論在分類效果還是分類時間方面均優(yōu)于kNN與樸素貝葉斯。
　　 2)VK