改進(jìn)空間向量模型及其在文檔自動(dòng)分類系統(tǒng)中的應(yīng)用.pdf

1、文檔自動(dòng)分類作為信息處理技術(shù)的關(guān)鍵技術(shù)之一，具有重要的理論和應(yīng)用價(jià)值。目前文檔自動(dòng)分類在信息處理方面的應(yīng)用大致有：搜索引擎技術(shù)、郵件分類、電子會(huì)議、信息過(guò)濾等很多方面。 現(xiàn)有文檔自動(dòng)分類技術(shù)的特征提取環(huán)節(jié)，在文檔不規(guī)范性、算法的局限性等諸多原因的制約下，特征向量中沒有體現(xiàn)文檔的語(yǔ)義信息。為了降低這種現(xiàn)象對(duì)文卡當(dāng)自動(dòng)分類準(zhǔn)確度的影響，提高文檔自動(dòng)分類的召回率和準(zhǔn)確率，很多的研究人員在這個(gè)方面做了大量工作，取得了很多的成果。

2、 本論文主要研究了文檔自動(dòng)分類各個(gè)環(huán)節(jié)的算法原理，簡(jiǎn)要的闡述了文檔自動(dòng)分類的發(fā)展、應(yīng)用和現(xiàn)狀，詳細(xì)地描述了空間向量模型的原理與實(shí)現(xiàn)方法，重點(diǎn)地論述了改進(jìn)后的空間向量模型在文檔自動(dòng)分類系統(tǒng)中的應(yīng)用，將段落向量、詞距向量與傳統(tǒng)的空間向量模型相結(jié)合應(yīng)用到文檔的特征提取當(dāng)中。另外，重點(diǎn)論述了一種改進(jìn)的中文分詞算法在文檔自動(dòng)分類系統(tǒng)中的應(yīng)用，將概率統(tǒng)計(jì)模型和詞語(yǔ)查找樹模型應(yīng)用到中文分詞中。 試驗(yàn)結(jié)果表明，改進(jìn)后的向量空間模型顯著的提高了文