不同情境下中文文本分类模型的表现及选择

• 作 者: 兰秋军 李卫康 刘文星
• 机 构: 湖南大学工商管理学院
• 出 处: 湖南大学学报(自然科学版)
• 发表日期: 2016年04期
• 关键词: 中文文本 文本分类 数据挖掘 情报分析
• 基金项目: 国家自然科学基金资助项目(71171076)~~

针对中文文本分类任务中N-Gram,素贝叶斯、K最近邻和TF-IDF等经典而广泛使用的文本分类模型的选择困惑问题,基于万余篇中文新闻文本语料数据,设计了一系列的对比实验,考察了各模型在不同参数、不同训练数据规模、不同训练文本长度、类别是否偏斜等多种情境下分类性能的表现,总结了各模型的特性,为中文文本分类模型的选择和应用提供了实践依据和参考.