基于多元權(quán)重特征加權(quán)的中文文本分類算法.pdf

1、隨著計算機網(wǎng)絡的不斷發(fā)展，實時共享網(wǎng)絡資源已經(jīng)成為可能，但是同時也帶來了海量的信息資源。為了能夠從海量紛雜的文本信息中及時準確地獲取有效的知識和信息，人們開始關注文本分類技術(shù)。文本分類技術(shù)可以在很大程度上解決信息雜亂問題，方便用戶準確地定位所需要的信息。
　　本文探討了文本分類的一些關鍵技術(shù)，包括文本表示、文本預處理、特征選擇、特征詞加權(quán)計算、文本分類算法、性能評價。其中，特征詞加權(quán)算法和KNN分類算法是文本分類過程中兩個比較重要

2、的問題，本文圍繞這兩個問題進行研究。
　　本文首先闡述了常用的特征詞加權(quán)算法，著重研究了傳統(tǒng)的tf*idf加權(quán)算法，分析該加權(quán)算法存在的不足，即只考慮特征詞頻率tf和反文檔頻率idf兩種因素，而忽視了特征詞本身的特點。在傳統(tǒng)的tf*idf加權(quán)算法的基礎上，本文分析了特征詞的一些特點，比如特征詞在文檔中的位置分布情況、特征詞的詞語長度和所屬的類別，綜合考慮了這幾種因素之后，提出多元權(quán)重特征加權(quán)算法，將原有公式進行了擴展，使得經(jīng)過加權(quán)