中文文本分类研究

• 作者: 常晓明 郝晓燕
• 来源期刊: 太原理工大学学报
• 关键词: 文本分类 k 近邻 支持向量机 最大熵
• 年，卷（期）: 2006,（6）
• 所属期刊栏目: 信息与计算机工程
• 页码范围: 710-713
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9432.2006.06.031

摘要

使用k近邻、支持向量机和最大熵模型进行中文文本分类的研究,对目前应用较多的k近邻、支持向量机和最大熵模型,分别进行了基于特征词布尔值和基于特征词词频的中文文本分类实验.实验结果显示,在相同的条件下最大熵方法的分类性能最好,支持向量机次之,k近邻稍差.同时发现,在分类过程中引入了词语频率信息时,分类器的性能略有变化,对于最大熵分类准确率下降1%～2%,对于k近邻有所上升,对于支持向量机则相当.除去文本的特殊性影响,这表明不同程度的词语的信息对不同的机器学习算法有不同的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝晓燕	太原理工大学计算机与软件学院	22	197	7.0	13.0
2	常晓明	太原理工大学计算机与软件学院	61	260	10.0	13.0