基于扩展概念格模型的文本分类规则提取的研究

• 作者: 周才学 周顽
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 文本分类 数据挖掘 粗糙集 概念格 分类规则
• 年，卷（期）: 2010,（8）
• 页码范围: 98-100,103
• 分类号: TP391
• 字数: 3275字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2010.08.027

摘要

文本分类是信息检索与数据挖掘领域的研究热点与核心技术,近年来得到了广泛的关注和快速的发展.概念格是规则提取和数据分析的有效工具,然而概念格的构造效率始终是概念格应用的一大难题.本文研究了基于扩展概念格模型的文本分类规则提取,利用粗糙集和扩展概念格模型来进行分类规则提取.该方法利用概念树,极大地除去了冗余的概念,只需要建造很少的概念就能够提取出全部的分类规则,不仅效率较高,而且同时提取的分类规则与概念格相同.本文算法在MATLAB7.0的环境中运行的实验表明,查全率比KNN算法和SVM算法稍低,但是查准率比它们都高,因此该分类规则用于文本分类时效果与KNN和SVM相当.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周才学	九江学院信息科学与技术学院	28	75	4.0	7.0
2	周顽	九江学院信息科学与技术学院	9	21	3.0	4.0