一种不需分词的中文文本分类方法

• 作者: 张锋 樊孝忠 许云
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 文本分类 分词 n元语法模型
• 年，卷（期）: 2005,（9）
• 所属期刊栏目: 信息科学与控制
• 页码范围: 778-781
• 页数: 4页
• 分类号: TP391
• 字数: 2719字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0645.2005.09.007

摘要

提出了一种不需分词的n元语法文本分类方法.与传统文本分类模型相比,该方法在字的级别上利用了n元语法模型,文本分类时无需进行分词,并且避免了可能造成有用信息丢失的特征选择过程.由于字的数量远小于词的数量,所以该分类方法与其它在词级别上的分类方法相比,有效地降低了数据稀疏带来的影响.系统地研究了模型中的关键因素以及它们对分类结果的影响.使用中文TREC提供的数据进行实验,结果表明,综合评价指标Fβ=1达到86.8%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	樊孝忠	北京理工大学信息科学技术学院计算机科学工程系	127	2336	26.0	43.0
2	许云	北京理工大学信息科学技术学院计算机科学工程系	11	454	7.0	11.0
3	张锋	北京理工大学信息科学技术学院计算机科学工程系	12	411	8.0	12.0