【摘 要】
：
文本分类就是自动地将自然语言文本文档根据其内容分类到预定义好的类别中去。文本分类技术的关键之一在于特征词或特征词组的选择,一篇文档的主题并不是与文档中的所有的词
论文部分内容阅读
文本分类就是自动地将自然语言文本文档根据其内容分类到预定义好的类别中去。文本分类技术的关键之一在于特征词或特征词组的选择,一篇文档的主题并不是与文档中的所有的词相关,因此如何挑选判断一篇文档中的主题词或词组作为文档的特征词或词组就成为了关键所在。而由于人类语言中一词多义现象的普遍存在,一个词的具体意思往往需要参考上下文中出现的其它词才能更准确地判断。为了解决这一问题。参考目前的数据挖掘领域的工作,将每一篇文档映射为一个文档数据库,文档中的每个句子看作数据库中的一个交易,每一个词看作一个项目。通过将文档映射为文档数据库,可以在文档数据库中使用数据挖掘算法挖掘出句子级的频繁项目集,即在句子中频繁同时出现的词,并将其作为文档的特征词组。相比较于传统的文本关联规则,句子级的频繁项目集包含了更多的局部上下文信息。由于挖掘出的特征项目集可能很多,为了进一步的精简项目集,给出了一个以可变精度粗糙集模型为基础的方法对每个特征频繁项目集对分类的贡献进行评估,剪除那些对最后的分类效果贡献不大的项目集,并用精简后的项目集构造每类文档的主题模板。通过在Routers上对10个类别的文档上进行的实验,结果表明该文本分类方法的分类精度比现有的一些分类方法更好,具有良好的实用性。
其他文献
随着通信技术的迅猛发展,飞速膨胀量成了下一代无线网络中最关键的问题。而中继以其性能佳、易于拓展部署方便等优势在新一代网络标准中占有一席之地。本文挑选了三个典型的
路径规划、寻路问题是当前计算机科学领域中具有较高研究价值的一类问题,在计算机网络路由算法设计、机器人探路、交通路线导航、人工智能、交互虚拟现实等系统中有着广泛的
WEB上的数字化信息呈爆炸式增长,Internet已经成为一个巨大的信息数据库。要在如此庞大且瞬息万变的Internet上获取所需的信息,必须一个有效的检索工具的协助。现有的搜索引
随着Internet的快速发展,网络的应用范围越来越广泛,如何保证以及提高网络的服务质量(Quality of Service,QoS)成为至关重要的问题。流量工程(Traffic Engineering,TE)就是为
随着互联网的迅速发展,Web已经成为就业信息的重要来源。抽取并合理地保存这些信息,对于进一步分析就业信息,了解就业状况和特点,制定就业方案具有十分重要的意义。由于Web上
数字水印技术作为多媒体数据版权保护和内容可靠性认证的一种新技术，自20世纪90年代以来得到了迅速的发展，成为当前国内外研究的一个热门课题。数字水印是在不影响多媒体产品(
生物信息学、信息检索以及图像挖掘等大规模机器学习问题的不断涌现，对已有的特征选择算法和机器学习算法提出了严峻的挑战。人们迫切需要适应大规模数据集的特征选择算法和机
随着通讯与计算技术的不断发展，无线自组网络(无线Adhoc网络)正在发挥越来越重要的作用，其目标是使信息可以在“所有时间，所有地点”进行交互。它跟目前的蜂窝网络最大的区别在
本论文内容主要分为部分，第一部分是关于网格调度模型方面的研究，第二部分是关于网格调度算法及模拟的研究。 网格调度一个研究内容是调度模型。RajkumarBuyya、网格调度架
移动代理技术是二十世纪九十年代出现的一种新技术，由于移动代理移动性、跨平台性和自治性的特征，它为分布式信息检索提供了一种新的解决方法。 这篇论文主要研究移动代理技