基于大数据技术的中文多标签文本分类方法研究

• 作者: 孙桂煌
• 来源期刊: 齐齐哈尔大学学报（自然科学版）
• 学科: 工学
• 关键词: 大数据技术 中文 多标签 文本分类
• 年，卷（期）: 2020,（6）
• 页码范围: 39-43
• 页数: 5页
• 分类号: TP391
• 语种: 中文

摘要

为了实现中文多标签文本分类识别,提出基于大数据技术的中文多标签文本分类方法.首先,采用语义信息融合的方法与模糊分区块融合的方法提取中文多标签文本大数据的语义相似性特征,结合语义本体特征重构方法,建立中文多标签文本大数据分析模型.其次,通过统计数据特征提取方法进行中文多标签文本特征检测,并构建中文多标签文本大数据语义特征提取模型.采用模糊C聚类分析方法建立中文多标签文本大数据的模糊聚类模型,采用多层次特征信息重组方法进行中文多标签文本大数据的模糊特征重构,根据中文多标签文本的语义属性特征进行特征重构,实现中文多标签文本分类和大数据融合处理,提高中文多标签文本分类识别能力.仿真结果表明,采用该方法进行中文多标签文本分类的聚类性较好,分类准确性较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙桂煌		4	1	1.0	1.0