模糊知識處理在中文文本自動分類中的應(yīng)用研究.pdf

1、文本分類(Text Categorization,TC)是指在分析文本內(nèi)容的基礎(chǔ)上按一定的策略把文本歸入一個或多個合適的類別的應(yīng)用技術(shù).根據(jù)是否有固定的類別體系可分為有監(jiān)督(Supervised)的自動歸類和無監(jiān)督(Unsupervised)的自動聚類.隨著互聯(lián)網(wǎng)上在線文本信息的急劇增加,文本分類對于信息處理的意義變得更加重要.文本自動分類廣泛應(yīng)用于文本處理和信息檢索的各個領(lǐng)域,成為處理和組織大規(guī)模文本信息的關(guān)鍵技術(shù),并推動了信息處理朝

2、著自動化的方向發(fā)展.該文所研究的文本自動分類就是指在給定類別體系下的文本自動歸類.由于自然語言的復(fù)雜性,以及在描述和理解方面具有高度的不確定性和模糊性,因而文本類別的識別帶有一定的模糊性,對這些具有模糊性的模式借助于模糊理論來刻畫顯得很自然.并且實際經(jīng)驗告訴我們,很多實際分類問題往往不好精確地確定某個對象屬于某個類,而只能給出某個對象屬于某個類的可能性有多大,因此將模糊知識處理的理論技術(shù)應(yīng)用到文本分類的領(lǐng)域中,利用適當(dāng)?shù)哪：炊梢赃_(dá)到

3、更精確的分類結(jié)果.該文以科技文獻(xiàn)信息處理為背景,從理論和應(yīng)用的角度對基于模糊知識處理的文本分類技術(shù)進(jìn)行了較為深入的研究,主要工作總結(jié)如下:1.將模糊數(shù)學(xué)中模糊集合的理論應(yīng)用到文本分類領(lǐng)域,并對模糊文本分類做了系統(tǒng)的理論和應(yīng)用研究.2.結(jié)合科技文獻(xiàn)的結(jié)構(gòu)特點,將模糊集間的貼近度和模糊語義關(guān)聯(lián)度(Fuzzy semanticRelationship)兩種概念的分類算法分別應(yīng)用于中文文本分類,測試并對比了這兩種算法的分類性能.兩個模糊集間的語

4、義關(guān)聯(lián)度,不但依賴于兩個模糊集論域的元素間的隸屬度,而且與相應(yīng)論域元素間的語義近似程度有關(guān),而貼近度的方法只考慮了相同元素在不同模糊集中隸屬度值的關(guān)系,因此模糊語義關(guān)聯(lián)度的方法獲得了更好的分類效果,并且更好地解決了文本兼類的問題.3.在模糊文本分類的基礎(chǔ)上,對分類結(jié)果進(jìn)行了分析,將分類錯誤歸結(jié)為兩種類型,并針對這兩種情況提出了隸屬度更新算法,結(jié)合模糊語義關(guān)聯(lián)度的分類算法提出了運用更新公式不斷對分類結(jié)果進(jìn)行校驗糾錯進(jìn)而逐漸地構(gòu)造分類器的算