可擴展文本分類系統(tǒng)的設(shè)計.pdf

1、隨著信息時代的到來以及Internet的日益壯大,海量的信息正在將我們淹沒。當代信息處理的一大挑戰(zhàn)就是如何在這個巨大的信息海洋中快速的、準確的找到那些對人們有價值的信息資源。在信息處理的過程中,文本的分類是一個重要環(huán)節(jié),是計算機自動對文本信息進行分類處理的過程,這樣一來就可以使人們方便的通過類別來管理海量的文本信息,提高了信息管理的準確性和效率。近年來,文本自動分類技術(shù)已經(jīng)與各種計算機新技術(shù)深入結(jié)合,在網(wǎng)絡(luò)搜索引擎、信息檢索等領(lǐng)域中已經(jīng)

2、取得非常廣泛的應(yīng)用。
　　 本文首先介紹了文本分類系統(tǒng)中若干基本概念以及關(guān)鍵技術(shù),比如空間向量模型、特征選擇算法,特征加權(quán)算法等;對文本分類中的常用技術(shù)進行了詳細的討論和分析。本文設(shè)計了一種與具體分類算法無關(guān)、對于不同的分類算法可以非常方便的在此系統(tǒng)上進行擴展的文本分類系統(tǒng),增強了傳統(tǒng)文本分類系統(tǒng)的靈活性和可擴展性。在設(shè)計系統(tǒng)的過程中,對常用設(shè)計模式中的模板方法模式和策略模式進行了分析和研究,指出了它們存在的優(yōu)點和缺點;并且針對

3、模板方法模式的缺點,將策略模式嵌入到模板方法模式中,改進了模板方法模式的缺陷,并利用此改進的模板方法模式設(shè)計了文本分類系統(tǒng)的分類器模塊,取得了良好效果。本文對文本分類系統(tǒng)中的若干重點問題作了研究,比如各種文本格式的統(tǒng)一問題,分詞算法的選擇與實現(xiàn)問題等等。其中,文本分類算法是文本自動分類系統(tǒng)的核心,對文本分類系統(tǒng)的性能起著決定性的作用,KNN算法因其過程簡單、易于理解等優(yōu)點,在文本自動分類系統(tǒng)中往往可以取得較好的分類效果。本文在詳細討論K