基于体裁的中文网页分类的特征选取

• 作者: 吴扬扬 黄臻臻
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 网页分类 体裁 特征选取 序列挖掘 模糊字符串模式
• 年，卷（期）: 2007,（11）
• 所属期刊栏目: 计算机应用
• 页码范围: 2743-2745
• 页数: 3页
• 分类号: TP391
• 字数: 4382字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7024.2007.11.076

摘要

探讨基于体裁的中文网页分类的特征项选取问题.词汇特征方面,结合自动抽取和人工归纳的方式来获得.通过改进PAT树存储结构,进行序列挖掘来获得频繁字符串特征,使得文本分类系统摆脱对切词处理和词典的依赖,并提出了模糊字符串模式的特征表达方式.此外,特征集中融入了文本的形式特征,并根据网页的特点,引入链接信息特征.实现了基于体裁的中文网页分类系统,结果表明分类效果得到了有效的改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴扬扬	华侨大学计算机科学系	59	471	13.0	19.0
2	黄臻臻	华侨大学计算机科学系	2	18	2.0	2.0