期刊文献+

一种新的基于统计的自动文本分类方法 被引量:48

A New Statistical-based Method in Automatic Text Classification
下载PDF
导出
摘要 自动文本分类就是在给定的分类体系下 ,让计算机根据文本的内容确定与它相关联的类别。为了提高分类性能 ,本文提出了中文文本多层次特征提取方法和基于核的距离加权KNN算法。多层次特征提取方法在汉字、常用词表和专业词表三个层次上提取文档的统计特征 ,能够更好地反映文档的统计分布。基于核的距离加权KNN算法解决了样本的多峰分布、边界重叠问题和分类器的精确分类决策问题。实际应用中 ,互联网和文本库提供了大量经过粗分类的训练文本 ,但普遍存在样本质量较差的问题 ,本文通过样本重要性分析技术解决此问题。实验系统证明了新方法的有效性。 Automatic text classification is defined as the task to assign pre defined category labels to documents.To improve the classification performance,this article puts forward the multi level feature selection method and the kernel based distance weighted KNN algorithm.We extract the statistical text features on three different levels as Chinese letters,the common wordlist and the professional wordlist,which can represent more statistical character of the document set.The kernel based weighted KNN algorithm solves the multi peak distribution problem and the overlap boundary problem of the sample set,as well as the classifier's precise decision problem.In practical use,the Internet and text data bases provide many pre classified training samples.But some of them are not good for training the classifier.We use sample weightiness analysis to address this problem.The experimental system shows the effectiveness of the method.
出处 《中文信息学报》 CSCD 北大核心 2002年第6期18-24,共7页 Journal of Chinese Information Processing
基金 国家科学数字图书馆重大专项 (CSDL2 0 0 2 - 18)
关键词 统计 自动文本分类 多层次特征提取 距离加权KNN算法 样本重要性分析 汉字识别 automatic text classification multi level feature selection Kernel based Distance weighted KNN algorithm sample weightiness analysis
  • 相关文献

参考文献4

二级参考文献15

  • 1吴军,王作英,禹锋,王侠.汉语语料的自动分类[J].中文信息学报,1995,9(4):25-32. 被引量:24
  • 2黄萱菁,吴立德,王文欣,叶丹瑾.基于机器学习的无需人工编制词典的切词系统[J].模式识别与人工智能,1996,9(4):297-303. 被引量:24
  • 3吴军,第三届全国人机语音通信学术会议,1994年
  • 4刘开瑛,第二届全国计算语言学联合学术会议论文集,1993年
  • 5王永成,第二届全国计算语言学联合学术会议论文集,1993年
  • 6苑春法,第二届全国计算语言学联合学术会议论文集,1993年
  • 7施水才,1993年
  • 8郭进,第一届全国计算语言学联系学术会议,1991年
  • 9Chen H,IEEE Trans PAMI,1996年,18卷,8期,771页
  • 10王开铸,计算语言进展与应用,1995年,359页

共引文献79

同被引文献264

引证文献48

二级引证文献645

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部