基于概念聚类的领域本体图中文文本分类

• 作者: 叶施仁 孙宁
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 词消歧 半监督 概念聚类 HowNet字典 二分类关系 领域本体图
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 181-187
• 页数: 7页
• 分类号: TP391.1
• 字数: 5061字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.12.032

摘要

基于半监督概念聚类技术,提出一种改进的领域本体图中文文本分类算法.根据领域本体图结构模型,创建中文文本分类的本体学习框架,利用HowNet字典实现术语提取并建立中文术语-术语关系映射.依据术语间的权重连接关系,设计二分类关系的KLSeeker本体中文文本分类算法,并通过基于概念聚类的本体图半监督学习,实现中文文本的精确分类.实验结果表明,与基于非负张量分解的中文文本分类算法相比,该算法具有更高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶施仁	常州大学信息科学与工程学院	25	214	6.0	14.0
2	孙宁	常州大学信息科学与工程学院	3	7	2.0	2.0