改進空間向量模型及其在文檔自動分類系統(tǒng)中的應用.pdf

1、文檔自動分類作為信息處理技術的關鍵技術之一，具有重要的理論和應用價值。目前文檔自動分類在信息處理方面的應用大致有：搜索引擎技術、郵件分類、電子會議、信息過濾等很多方面。 現(xiàn)有文檔自動分類技術的特征提取環(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)文檔的語義信息。為了降低這種現(xiàn)象對文卡當自動分類準確度的影響，提高文檔自動分類的召回率和準確率，很多的研究人員在這個方面做了大量工作，取得了很多的成果。

2、 本論文主要研究了文檔自動分類各個環(huán)節(jié)的算法原理，簡要的闡述了文檔自動分類的發(fā)展、應用和現(xiàn)狀，詳細地描述了空間向量模型的原理與實現(xiàn)方法，重點地論述了改進后的空間向量模型在文檔自動分類系統(tǒng)中的應用，將段落向量、詞距向量與傳統(tǒng)的空間向量模型相結合應用到文檔的特征提取當中。另外，重點論述了一種改進的中文分詞算法在文檔自動分類系統(tǒng)中的應用，將概率統(tǒng)計模型和詞語查找樹模型應用到中文分詞中。 試驗結果表明，改進后的向量空間模型顯著的提高了文