基于演化超网络的中文文本分类方法

• 作者: 孙开伟 王进 金理雄
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 文本分类 中文信息处理 智能系统 模式识别 演化超网络
• 年，卷（期）: 2013,（2）
• 页码范围: 196-201
• 页数: 6页
• 分类号: TP391.4
• 字数: 5617字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2013.02.013

摘要

为了提高中文文本的分类效果,提出了一种基于演化超网络的中文文本分类方法.采用中国科学院计算技术研究所的汉语词法分析系统对中文文本进行分词,保留文本中的名词、动词和形容词作为特征；以X2统计方法进行特征选择；利用布尔权重计算特征权值.经处理后的特征向量作为系统的训练集和测试集数据.运用超边替代策略训练超网络分类模型,并实现对测试集特征向量的分类.对不同阶数设定下的演化超网络模型进行了性能分析,并将其与传统的KNN和SVM算法进行了比较.结果表明,本方法对复旦大学语料和搜狐语料可获得87.2％和72.5％的宏识别率、86.9％和70.5％的宏召回率、87.0％和71.5％的宏F1,接近或优于KNN和SVM分类方法.所提出的方法是一种有效的中文文本分类手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王进	重庆邮电大学计算机科学与技术学院	50	202	8.0	12.0
5	金理雄	重庆邮电大学计算机科学与技术学院	1	16	1.0	1.0
6	孙开伟	重庆邮电大学计算机科学与技术学院	10	38	3.0	6.0