文本自动分类关键技术研究  

Key technologies Research of Text Automatic classification

作　　者：张冬慧[1] 孙波[1] 徐照财[2] 程显毅[2] 

机构地区：[1]北京师范大学教育技术学院,100875 [2]镇江苏大学计算机科学与通信工程学院,江苏212013

出　　处：《微计算机信息》2008年第6期197-199,共3页Control & Automation

基　　金：全国教育科学"十一.五"规划课题(DCA060097);资源共享体系中的关键技术研究(教育部重点)

摘　　要：为了提高文本自动分类的准确率,本文在分析文本分类预处理阶段的中文分词、特征提取、向量空间模型、web结构挖掘技术等基础上,对相关技术进行了的改进,并设计基于支持向量机文本分类器(UJS-Classifier)实现了最终的文本分类。根据测试语料分别对中文分词模块和网页文本分类模块性能进行测试,实验结果表明UJS-Classifier在分词的歧义切分、网页分类的性能及准确率都有一定的提高。In order to improve the automatic text classification accuracy rate,the paper had some related improvement based on analysis of Chinese segmentation,feature extraction,vector space model,and other web structure mining technology in the pretreatment stage of the text classification,and designed UJS-Classifier based on support vector machine for the ultimate realization of the text classification. Tests were done for the Chinese segmentation and text classification modules by corpus. Experiment results shows ...

关 键 词：中文分词 向量空间模型 文本分类 支持向量机 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]