作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文提出了一种独立于语种不需分词的文本分类方法.与传统文本分类模型相比,该方法在字的级别上利用了n元语法模型, 文本分类时无需进行分词, 并且避免了特征选择和大量预处理过程.我们系统地研究了模型中的关键因素以及它们对分类结果的影响,并详细介绍了评价方法.该文本分类方法已经在中文和英文两个语种上得到实现,并获得了较好的分类性能.
推荐文章
基于双向长短时记忆单元和卷积神经网络的多语种文本分类方法
多语种文本分类
长短时记忆单元
卷积神经网络
文本分类中的特征选择方法
文本分类
特征选择
评估函数
文本分类技术研究
文本分类
文本模型
数据挖掘
文本分类技术研究
文本挖掘
文本分类
特征表示
特征抽取
模型评估
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 独立于语种的文本分类方法
来源期刊 计算机工程与科学 学科 工学
关键词 文本分类 n元语法模型 语种
年,卷(期) 2008,(6) 所属期刊栏目 研究与实现
研究方向 页码范围 128-130,139
页数 4页 分类号 TP391
字数 3492字 语种 中文
DOI 10.3969/j.issn.1007-130X.2008.06.038
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈林 重庆大学软件学院 55 562 14.0 22.0
2 杨丹 重庆大学软件学院 129 2000 24.0 39.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
文本分类
n元语法模型
语种
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导