HTML文档分类中的词元权重算法  

AN TERM WEIGHTING ALGORITHM FOR HTML CATEGORIZATION

作　　者：栾虹[1] 

机构地区：[1]济南大学信息科学与工程学院,济南250022

出　　处：《山东师范大学学报（自然科学版）》2005年第2期22-25,共4页Journal of Shandong Normal University(Natural Science)

基　　金：山东省教委科技计划项目(J01P01)

摘　　要：针对WWW的HTML结构,采用TFE表示,给出一种新的TFE实现方法.在此基础上,探讨了基于向量空间模型的词元权重函数的构造方法,描述了权重函数,研究了先前比较典型权重函数.把整个文档作为一个空间,提出一种更有效的文本权重调整方法.试验结果表明,该算法对文本分类的准确率有明显提高.According to HTML files on WWW,TFE,a document representation method is adopted.On the basis of this method,through analysis of construction of some classic weighting functions,we propose a term weighting modification approach based on text information space.Application in improved Naive Bayesian categorization algorithm shows that the efficiency and accuracy of text categorization and filtering is higher.

关 键 词：信息检索 文本分类 权重函数 分类算法 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]