论文部分内容阅读
要对语料库中的海量文章的主题进行识别和归类，要占用大量的空间资源和时间。为了节省空间资源和时间资源，提高主题识别和归类的效率和准确性，有必要对语料库中的数据进行降维处理，并转换成合乎SVM的数据格式。每篇文章中都含有大量的停止词和无关紧要的高频词，它们与主题无关，却占用了大量的资源，应该对这类词进行处理，提高主题识别和归类的效率和准确性。通过对这两类词语的处理，大大降低了语料库所占用的空间，并且提高了主题识别和归类的速率。