一种抗噪音的中文网页分类方法

• 作者: 王小冷 王斌
• 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 N-gram模型 NBayes kNN
• 年，卷（期）: 2007,（4）
• 页码范围: 48-54
• 页数: 7页
• 分类号: TP391
• 字数: 5726字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2007.04.007

摘要

网页分类可以看成是噪音环境下的文本分类问题.本文是在噪音环境下文本分类方法的一种探索:把在传统文本分类中性能基本相当的基于N-gram模型的贝叶斯(NGBayes)、基于分词的朴素贝叶斯(NBayes)和基于分词的k近邻(kNN)分类方法应用到网页分类领域,在中文Web信息检索论坛提供的中文网页分类训练集--CCT2002-v1.1(Corp_1)和我们自己整理的中文网页集(Corp_2)进行了实验.验证了三种分类方法在非噪音环境下性能基本相当,而噪音环境下的实验结果表明,NGBayes的分类性能远远高于其他两种方法,这说明NGBayes对中文网页中的噪音不敏感.然后通过对特征的分析,探讨了NGBayes抗噪音的原因.从而得出结论:NGBayes是一种抗噪音的中文网页分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王斌	中国科学院计算技术研究所	325	6645	42.0	69.0
2	王小冷	中国科学院计算技术研究所	1	6	1.0	1.0