一种基于向量空间模型的多层次文本分类方法

• 作者: 刘少辉 史忠植 张海俊 李蓉 董明楷
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 文本分类 向量空间模型 信息增益 特征提取
• 年，卷（期）: 2002,（3）
• 页码范围: 8-14,26
• 页数: 8页
• 分类号: TP391.1
• 字数: 5423字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2002.03.002

摘要

本文研究和改进了经典的向量空间模型(VSM)的词语权重计算方法,并在此基础上提出了一种基于向量空间模型的多层次文本分类方法.也就是把各类按照一定的层次关系组织成树状结构,并将一个类中的所有训练文档合并为一个类文档,在提取各类模型时只在同层同一结点下的类文档之间进行比较;而对文档进行自动分类时,首先从根结点开始找到对应的大类,然后递归往下直到找到对应的叶子子类.实验和实际系统表明,该方法具有较高的正确率和召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘少辉	中国科学院计算技术研究所智能信息处理重点实验室	12	1361	12.0	12.0
2	史忠植	中国科学院计算技术研究所智能信息处理重点实验室	232	9166	52.0	89.0
3	张海俊	中国科学院计算技术研究所智能信息处理重点实验室	12	868	9.0	12.0
4	董明楷	中国科学院计算技术研究所智能信息处理重点实验室	9	825	8.0	9.0
5	李蓉	中国科学院计算技术研究所智能信息处理重点实验室	5	243	2.0	5.0