基于N-gram信息的中文文档分类研究

• 作者: 俞红奇 关佶红 周水庚 胡运发
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 文档分类 N-gram信息 属性选择 kNN法
• 年，卷（期）: 2001,（1）
• 页码范围: 34-39
• 页数: 6页
• 分类号: TP391.1
• 字数: 4372字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2001.01.005

摘要

传统文档分类系统都是基于文档的词属性，分类过程需要庞大的词典支持和复杂的切词处理。本文研究基于N-gram信息的中文文档分类，使中文文档分类系统摆脱对词典和切词处理的依赖，从而实现中文文档分类的领域无关性和时间无关性。利用kNN分类方法，实现了一个基于N-gram信息的中文文档分类系统。测试结果表明该文档分类系统具有和其它同类文档分类系统相当的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡运发	复旦大学计算机系	150	3430	27.0	54.0
2	周水庚	复旦大学计算机系	38	1881	20.0	38.0
3	关佶红	武汉大学计算机学院	16	696	12.0	16.0
4	俞红奇	复旦大学计算机系	3	182	3.0	3.0