1、隨著網絡技術的快速發(fā)展，傳統(tǒng)各行業(yè)都逐漸與互聯(lián)網進行融合，“互聯(lián)網+”時代已悄然的改變了世界。文本分類技術是機器學習和自然語言處理領域中重要的應用，對維吾爾文文本分類技術的研究對提升新疆維吾爾語網絡信息管理和網絡服務水平具有重要的作用。本文首先闡述了傳統(tǒng)文本分類技術的研究現(xiàn)狀和實現(xiàn)過程。然后分析了中英文文本分類技術的差異，并結合維吾爾文字的構詞特點和語法結構，實現(xiàn)了維吾爾文特有的組詞計算。最后從文本分類的技術出發(fā)，在大量的實驗基礎上，構
2、建了一個維吾爾文文本分類系統(tǒng)。針對傳統(tǒng)文本分類技術的優(yōu)缺點，本文提出了相應的改進和創(chuàng)新，取得的主要研究成果為：
首先，在文本分類的預處理階段主要研究了維吾爾文組詞。針對互信息組詞算法中組詞效率低和誤組率高的問題，本文采用互信息和頻繁模式相組合的Mi_pf組詞方法，由于維吾爾文詞組中能夠組合的單詞數(shù)一般不會超過3個，因此通過減少頻繁模式中搜索窗口中的單詞數(shù)來提高Mi_pf組詞方法的執(zhí)行效率；
其次，在文本分類的特征選擇
3、階段主要研究了模擬人工魚群優(yōu)化的特征選擇方法。為了提高魚群尋優(yōu)的能力和算法執(zhí)行的效率，本文首先采用改進的Odd算法對樣本集中的特征進行初提取，并生成與類別數(shù)目相同的n個特征池。然后再分別對每一個特征池進行人工魚群算法來進行尋優(yōu)，并計算出每個類別各自的特征子集；
再次，在文本分類的分類階段主要研究了K_質心分類器的設計與實現(xiàn)。K_質心分類器設計目的是為了能夠更好的適應本文的特征選擇方法，該分類器具有兩級分類結構的多分類器模型，其
