基于自学习向量空间模型文本分类算法的研究与应用

• 作者: 张志强
• 来源期刊: 软件
• 学科: 工学
• 关键词: 文本分类 向量空间模型 机器学习 kafka消息队列 storm流计算
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 118-121
• 页数: 4页
• 分类号: TP391.1
• 字数: 4357字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2016.09.028

摘要

随着网络信息的迅猛发展，信息处理已经成为人们获取有用信息不可缺少的工具。文本自动分类是信息处理的重要研究方向。它是指在给定的分类体系下，根据文本的内容自动判别文本类别的过程。本文对文本分类中所涉及的关键技术，包括向量空间模型，特征提取，机器学习方法等进行了研究和探讨。最后，本文实现了一套基于自学习向量空间模型的文本分类系统，并基于kafka消息队列和storm流计算框架，实时地为文本进行分类。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张志强		1	2	1.0	1.0