基于一种混合语言模型的自动文本分类技术研究

• 作者: 于浩 李生 赵铁军 郑德权
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 文本分类 本体 混合语言模型 上下文 多元信息
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 论文
• 页码范围: 601-605
• 页数: 5页
• 分类号: TP391
• 字数: 4975字
• 语种: 中文

摘要

随着Internet以及Intranet中大量可利用信息的爆炸式增长,文本分类成为处理和组织大量文档数据的关键技术之一.该文提出一种本体论和统计方法相结合的混合语言模型,用以解决自动文本分类问题.首先,通过学习不同类别的训练语料,分别获得各自类别的语言本体知识库,构造成为不同类别的分类器.对于实际文档,将基于不同类别的语言本体知识库分别获得对文档的评价值,并以所获得的最高评价值决定该文档的类别归属.与Bayes,k-nearest neighbor,support vector machine等3种典型的文本分类器进行了比较.实验结果表明,该文方法的分类性能均胜于其上述3种方法.