基于频率共现熵的跨语言网页自动分类研究  

Web Pages Auto Classification Based on Frequently Co-Occurring Entropy

作　　者：柯丽[1] 王明文[1] 何世柱[1] 黎佳[1] 罗远胜[2] 

机构地区：[1]江西师范大学计算机信息工程学院,江西南昌330022 [2]江西财经大学现代教育技术中心,江西南昌330013

出　　处：《江西师范大学学报（自然科学版）》2011年第3期240-245,共6页Journal of Jiangxi Normal University(Natural Science Edition)

基　　金：国家自然科学基金(60963014);江西省教育厅青年科学基金(GJJ10116);江西省教育厅科技课题(2007-129)资助项目;江西省自然科学基金(2008GZS0052);江西省科技攻关项目(2006-184)

摘　　要：研究了基于频率共现熵的跨语言网页自动分类问题,使用翻译软件将所有中文网页翻译为英文,计算中文和英文网页的共现特征频率共现熵值,确定中文和英文网页的共现知识,并与英文网页相结合训练中文分类模型.实验结果表明,该方法与贝叶斯分类模型、向量空间分类模型和信息瓶颈模型相比体现出良好的性能.An approach to address the cross-language web pages automatic classification problem based on frequently co-occurring entropy（FCE） is been proposed.The algorithm first translating all Chinese web pages to English by simple translation software.Second,computing the frequently co-occurring entropy using all Chinese and English web pages.Third,selecting the common part between Chinese pages and English pages based on the FCE ranks.Last,training a Chinese classification model by English pages with the common part.The experimental results in ODP corpus show the method performs well performance than NB,SVM and IB models.

关 键 词：跨语言 网页分类 频率共现熵 贝叶斯分类 自适应贝叶斯分类 

分 类 号：TP272[自动化与计算机技术—检测技术与自动化装置]