基于主動(dòng)學(xué)習(xí)的中文文本分類.pdf

1、隨著信息技術(shù)的不斷普及，人們對(duì)信息資源的依賴性越來越大，如何實(shí)現(xiàn)信息的自動(dòng)分類，尤其是中文文本信息的有效分類是目前中文信息處理研究的一個(gè)重要分支領(lǐng)域。 目前大多數(shù)的中文文本分類系統(tǒng)采用了“訓(xùn)練-分類”模式，二者相對(duì)獨(dú)立，而且其訓(xùn)練過程只是針對(duì)單一訓(xùn)練語料進(jìn)行，是一種“被動(dòng)的”學(xué)習(xí)過程。采用這種方法，分類系統(tǒng)的性能完全依賴于訓(xùn)練語料的質(zhì)量，缺乏適應(yīng)性，不適宜海量、異構(gòu)、動(dòng)態(tài)的文本信息的處理要求。針對(duì)這種情況本文在對(duì)傳統(tǒng)文本分類模型

2、進(jìn)行分析研究的基礎(chǔ)上提出了一種基于主動(dòng)學(xué)習(xí)的中文文本分類系統(tǒng)ALCTCS，并對(duì)該系統(tǒng)的體系結(jié)構(gòu)、特征選擇以及分類過程進(jìn)行了深入研究。 所作的具體工作及成果主要體現(xiàn)在以下幾個(gè)方面： 首先，構(gòu)造了ALCTCS的體系模型。該系統(tǒng)將訓(xùn)練過程延伸到分類過程中，以訓(xùn)練驅(qū)動(dòng)分類，以分類結(jié)果的反饋進(jìn)行再訓(xùn)練，使得訓(xùn)練與分類兩個(gè)過程成為了一個(gè)有機(jī)整體。由于該系統(tǒng)在訓(xùn)練中引入了主動(dòng)學(xué)習(xí)機(jī)制，從而打破了訓(xùn)練、分類相對(duì)獨(dú)立的傳統(tǒng)模式，同時(shí)在訓(xùn)練

3、過程中又克服了對(duì)訓(xùn)練語料的完全依賴性，從而增強(qiáng)了系統(tǒng)的自適應(yīng)性。 其次，在TF、MI組合算法的基礎(chǔ)上，引入了特征的“備用-選擇”機(jī)制，構(gòu)造并設(shè)計(jì)了一種基于包裝器模型的中文特征選擇算法，該算法既克服了組合算法的特征信息丟失問題，又具有反映文本特征遷移的適應(yīng)性。 再次，利用文本聚類的中心點(diǎn)思想，構(gòu)造并設(shè)計(jì)了一種基于聚簇的文本分類算法，較好的平衡了分類過程中的時(shí)間效率和分類準(zhǔn)確度。 最后，通過實(shí)驗(yàn)對(duì)本文構(gòu)造及設(shè)計(jì)的基于