一種基于關(guān)鍵向量的文本分類模型的研究.pdf

1、隨著計(jì)算機(jī)與網(wǎng)絡(luò)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)已成為人們存儲(chǔ)與獲取信息的主要手段，存儲(chǔ)于網(wǎng)上的文本數(shù)量也成指數(shù)級(jí)增長。這在為用戶提供了海量信息的同時(shí)，也給用戶從中獲取有用信息帶來了困難。如何能夠快速又精準(zhǔn)的在如此大量的信息中檢索到用戶所需的內(nèi)容已成為當(dāng)今重要的研究課題。文本的自動(dòng)分類技術(shù)能夠有效地將文本信息組織起來，幫助人們準(zhǔn)確高效的定位文本信息，為用戶獲取所需信息提供有力的支持。自從上個(gè)世紀(jì)六十年代被提出至今，文本的自動(dòng)分類技術(shù)已經(jīng)有了極大的發(fā)

2、展，有許多分類算法被提出，文本自動(dòng)分類技術(shù)已經(jīng)在搜索引擎，數(shù)字圖書館，信息檢索等領(lǐng)域得到了廣泛的應(yīng)用。向量空間模型是目前進(jìn)行大規(guī)模文本處理的一種通用模型，當(dāng)前主流的分類算法如K-近鄰算法(KNN)，支持向量機(jī)算法(SVM)等均是基于該模型的分類算法。雖然人們對(duì)這些算法已經(jīng)有了深入的研究和廣泛的應(yīng)用，但是在其性能上仍有許多不盡人意的地方。 本文首先在系統(tǒng)的理論學(xué)習(xí)和對(duì)國內(nèi)外文獻(xiàn)研究的基礎(chǔ)上，分析了向量空間模型的特點(diǎn)和當(dāng)前主流文本自