三种中文文本自动分类算法的比较和研究

• 作者: 王箭 陈琳
• 来源期刊: 计算机与现代化
• 学科: 地球科学
• 关键词: 中文文本分类 SVM Bayes KNN
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 1-4,7
• 分类号: P301.6
• 字数: 4638字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2012.02.001

摘要

网络信息规模随着互联网与信息技术的发展而不断增大,在这些信息中,各种类型的文本信息占据了相当大的比重.因此,高效、快速地对文本信息进行分类是网络信息处理中一个关键问题.本文分析比较了SVM算法、朴素Bayes算法和KNN算法3种算法,并通过实验证明了这3种算法在中文文本分类中的效果.实验结果表明:SVM算法比KNN算法和朴素Bayes算法更优,SVM算法是一种较好的中文文本分类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王箭	南京航空航天大学信息科学与技术学院	49	315	9.0	15.0
2	陈琳	南京航空航天大学信息科学与技术学院	13	51	4.0	6.0