基于隐Markov模型的文本分类

• 作者: 欧阳为民 罗双虎
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 隐马尔可夫 文本分类 序列模型
• 年，卷（期）: 2007,（30）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 179-181,227
• 页数: 4页
• 分类号: TP18
• 字数: 3512字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.30.053

摘要

把基于序列模型的隐Markov模型引入文本分类领域.把待分类文本描述成一系列状态演化的隐Markov过程,其中状态以特定的概率产生代表文本的特征项.用序列模式来描述文本类,文本序列通过与隐Markov模型的匹配,求出其对应状态序列和最大输出概率.比较各个文本类的结果,达到文本分类的目的.最后通过和简单向量算法,KNN,Naive Bayes分类算法的比较,说明本算法的在文本分类中的成功应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗双虎	上海大学计算机科学与工程学院	5	14	2.0	3.0
2	欧阳为民	上海大学计算机科学与工程学院	9	97	5.0	9.0