基于信息提取的面向行业应用文本分类算法  

Subject-oriented text classification algorithm based on information retrieval

作　　者：郭峰[1] 徐玉生[1] 陈晓云[1] 王颖[1] 

机构地区：[1]兰州大学信息科学与工程学院,兰州730000

出　　处：《清华大学学报（自然科学版）》2005年第S1期1810-1813,共4页Journal of Tsinghua University(Science and Technology)

摘　　要：目前,传统文本分类算法都是脱离自然语言语意的。该文使用信息抽取进行了中文文本分类的研究,提出了补偿式信息抽取的主题文本分类算法(C IETC),通过分类补偿文档属性,达到行业文档分类的目的。实验中,以将关于一个人名的所有网络文档自动分类为例,验证了这种面向行业的C IETC分类器的分类性能。结果表明:该方法的分类准确率要优于B ayes方法,与KNN方法相当;该方法是一种可行的面向行业细分文本分类方法。Conventional text classification algorithms are not based on natural language meaning. In this paper information extraction was used to analyze the Chinese text classification, and the algorithm of compensated information extraction text classification CIETC was developed to classify subject texts by compensating text attributes according to categories. Classification performance of the CIETC classifier was verified through automatically classifying all the web documents about a person s name. The results i...

关 键 词：文本分类 信息提取 面向主题 信息检索 自然语言理解 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]