英文文本自動分類系統(tǒng)研究與算法改進(jìn).pdf

1、隨著信息技術(shù)的不斷發(fā)展，特別是互聯(lián)網(wǎng)的不斷發(fā)展，網(wǎng)絡(luò)中每天都會產(chǎn)生大量的信息，面對這些海量信息，如何選取符合自己實際需要，符合自己能力水平，符合自己閱讀習(xí)慣的信息，是網(wǎng)絡(luò)時代人們面臨的一個問題。在該背景下，文本自動分類技術(shù)應(yīng)運而生，在數(shù)據(jù)挖掘、信息檢索及機器學(xué)習(xí)等領(lǐng)域，經(jīng)過長時間的運用和改進(jìn)，實用性大大增強。
　　 在文本自動分類技術(shù)中，人們面臨的一個首要問題是如何減少特征向量空間的高維性，合理表征特征向量的稀疏性。因此，本文從

2、特征值提取、特征權(quán)重計算、文本自動分類算法等角度，分別提出了相應(yīng)的改進(jìn)方法，具體做了以下幾個工作:
　　 1.針對傳統(tǒng)的特征值提取方法中只考慮詞語之間的詞匯關(guān)系，而忽略詞語之間的語義關(guān)系的缺點，本文提出了基于多重啟發(fā)式規(guī)則的特征值提取方法。實驗表明，該方法可以有效降低特征向量空間維數(shù)，提高分類準(zhǔn)確性。
　　 2.針對傳統(tǒng)的特征權(quán)重計算方法TF-IDF存在未考慮類間、類內(nèi)及不完全分類的情況，本文結(jié)合TF-IDF與類間、類內(nèi)