基于特征词的W eb领域知识分类研究

• 作者: 张晖 李波 杨春明 赵旭剑 高俊平
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 领域知识 知识图谱 文本分类 支持向量机
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 9-11
• 页数: 3页
• 分类号: TP301
• 字数: 2753字
• 语种: 中文
• DOI: 10.11907/rjdk.1511351

摘要

Web环境下,领域知识对于构造面向互联网的领域知识间的知识图谱具有重要意义,然而网络数据的杂乱无序使学习者难以快速准确全面地获取其中的领域知识.针对该问题,提出一种基于特征词的Web领域知识文本分类方法,以特征词为特征,利用支持向量机(SVM)作为基本分类算法.实验表明,该方法具有良好的准确率和召回率,能有效地从数据中分类出含有领域知识的数据,为面向Web的领域知识后续研究奠定基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李波	西南科技大学计算机科学与技术学院	172	1760	20.0	37.0
3	张晖	西南科技大学教育信息化推进办公室	77	563	14.0	21.0
4	赵旭剑	西南科技大学计算机科学与技术学院	36	196	8.0	13.0
7	杨春明	西南科技大学计算机科学与技术学院	49	307	10.0	16.0
8	高俊平	西南科技大学计算机科学与技术学院	2	29	1.0	2.0