中文文本体裁的自动分类机制

• 作者: 方鸷飞 杨志豪 林鸿飞 赵晶
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 计算机应用 中文信息处理 体裁分类 特征项选取 样本分布决策 支撑向量机
• 年，卷（期）: 2006,（2）
• 页码范围: 24-32
• 页数: 9页
• 分类号: TP391
• 字数: 5924字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2006.02.004

摘要

文本按体裁自动分类属于按文本的形式分类的范畴,所以它与按内容自动分类问题有许多的不同之处,本文提出了一种关于中文文本体裁自动分类的新机制.在体裁分类过程中首要的问题是分类特征的选取,体裁分类特征项分为两种方式加以描述,一是集合形式,如基于分类词典和语料统计的政论性词汇和情感词汇等,二是规则形式,如公文标识信息和条文句等.基于根据特征之间的关联性和差异性,采用样本分布决策的方法抽取相应的特征项.最后利用支撑向量机算法进行自动分类.该机制已经在五类体裁的语料上得到实现,并获得了较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林鸿飞	大连理工大学计算机系	214	3759	31.0	55.0
2	杨志豪	大连理工大学计算机系	57	863	13.0	28.0
3	赵晶	大连理工大学计算机系	36	817	14.0	28.0
4	方鸷飞	大连理工大学计算机系	1	18	1.0	1.0