带有短语切分的中文文本分类方法

• 作者: 李成基 田昕辉
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 特征提取 文本分类 短语切分 权值调整
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 9-13
• 页数: 5页
• 分类号: TP391.1
• 字数: 752字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.01.003

摘要

Internet文本信息量极速增加,在组织和处理这些文本数据时,文本分类技术显得尤为重要.利用统计学理论,特征提取和权重计算常常忽略了特征项之间的语法关系.文中提出了一种将短语切分与文本分类相结合的新方法. 在经过TFIDF计算之后,在同一个短语中,特征项之间的关系被计算出来,然后调整权值向量,最后可以得到文本分类的正确率.同一般地文本分类方法相比,加入短语切分的文本分类方法的正确率平均提高了1.5%以上.