基于粗糙集理論的中文文本自動分類的研究.pdf

1、論文綜述了中文文本分類中自動分詞、文本表示、特征選取和分類模型幾個部分的研究現(xiàn)狀和研究方法。每個部分都有多種實現(xiàn)技術(shù)，不同的實現(xiàn)方法對分類系統(tǒng)性能的影響也不同。如何進(jìn)行合理的技術(shù)組合，組成一個具有較高性能的分類系統(tǒng)框架，是論文的一個研究思路。論文實現(xiàn)了多個代表性技術(shù)，組成多個分類系統(tǒng)，最后通過對實驗結(jié)果的分析指出了一個實用性較強(qiáng)的文本分類系統(tǒng)。 論文討論了三種文本表示方法：布爾表示法、TF表示法、TF-IDF表示法。這三種方法對

2、于不同的分類模型具有不同的影響，多數(shù)研究文章中并未提及。論文通過實驗得出，對于KNN分類模型來說，布爾表示法是最好的。 目前應(yīng)用中的特征選取方法大都是基于閾值的過濾法，這種方法不能準(zhǔn)確地過濾出對分類重要的特征項。20世紀(jì)80年代波蘭數(shù)學(xué)家Z.Pawlak提出的一種數(shù)據(jù)分析理論——粗糙集理論，它可以在保持分類能力不變的前提下，進(jìn)行知識約簡。許多研究表明用基于粗糙集理論的約簡方法約簡所得的特征項集可以很好地表達(dá)分類信息，應(yīng)用于分類系