基于圖模型的中文小樣本文本分類研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，海量的信息以各種方式出現(xiàn)，其中最主要的還是文本信息，因此文本自動分類成為了國內(nèi)外研究的熱點，現(xiàn)在已經(jīng)出現(xiàn)了大量有效的分類方法，例如：Naive Bayes、KNN、SVM、決策樹以及神經(jīng)網(wǎng)絡(luò)等。在處理海量信息時，因為有大量的訓(xùn)練樣本可供其學(xué)習(xí)，所以SVM方法是效果最好的。但在缺少樣本的情況下，使用SVM，KNN等方法的分類效果并不出色，其原因是因為向量模型只選取了文本的數(shù)字信息，而忽視了文本中詞的聯(lián)系。
　　

2、 本文在分析特征選擇時信息增益法和互信息方法的計算方式的差異的基礎(chǔ)上，給出了一種基于空間角度的特征選取方法，以有效降低特征詞的維數(shù)。在分析了向量空間模型的缺點的基礎(chǔ)上，給出了基于圖模型的方法，以及相似度比較和Graph-KNN分類算法，來提高小樣本集下的文本分類的準(zhǔn)確度。對各算法進(jìn)行了仿真，進(jìn)行了大量的訓(xùn)練和測試，對比了本文給出的方法和未改進(jìn)的KNN方法的各項性能，證實該方法的確能提高小樣本集下的文本分類的準(zhǔn)確度。本文的最后分析了該方